多聚焦图像融合

摘要： 摄像机镜头受景深限制,不能同时聚焦距离差别较大的不同物体,导致单次曝光的图像聚焦处图像清晰,未聚焦处图像模糊。为了将多幅不同聚焦情况的图像融合成为一幅全清晰图像,文章提出了一种基于自编码器的无监督卷积神经网络,网络以融合图像与输入图像的结构相似度为目标,增加局部信息加权值,以融合后图像能最大程度地获取原始图像中的有效信息构建损失函数,最终训练网络进行图像融合。该方法在公共基准数据集上取得了较好的表现,与多种方法相比,融合结果的客观指标与主观感受均有明显的提高。

摘要： 为解决多聚焦图像融合算法中细节信息保留受限的问题,提出改进稀疏表示与积化能量和的多聚焦图像融合算法。首先,对源图像采用非下采样剪切波变换,得到低频子带系数和高频子带系数。接着,通过滑动窗口技术从低频子带系数中提取图像块,构造联合局部自适应字典,利用正交匹配追踪算法计算得到稀疏表示系数,利用方差能量加权规则得到融合后的稀疏系数,再通过反向滑动窗口技术获得融合后的低频子带系数;然后,对于高频子带系数提出积化能量和的融合规则,得到融合后高频子带系数;最后,通过逆变换获得融合图像。实验结果表明,该算法能保留更详细的细节信息,在视觉质量和客观评价上具有一定的优势。

摘要： 为了克服基于块的融合方法对块的大小敏感以及融合图像中存在伪影等问题,提出一种新的基于四叉树分解和自适应焦点测度的多聚焦图像融合方法。首先,设计一种新的基于修正拉普拉斯能量和(SML)和导向滤波的自适应焦点测度,用于获得源图像的焦点图。然后,采用一种新的四叉树分解策略,并结合已经得到的焦点图,进一步将源图像分解成最优大小的树块;同时,从树块中检测出聚焦区域,并构成决策图。最后,对决策图进行优化和一致性验证,并重构出一幅全聚焦图像。通过公共多聚焦图像数据集进行实验,与11种先进的融合方法进行视觉质量和客观指标比较。实验结果表明,本文所提出的融合方法取得了更好的性能。

摘要： 针对传统的多聚焦图像的空间域融合容易出现边缘模糊的问题,提出了一种基于引导滤波(GF)和差分图像的多聚焦图像融合方法.首先,将源图像进行不同水平的GF,并对滤波后图像进行差分,从而获得聚焦特征图像;随后,利用聚焦特征图像的梯度能量(EOG)信息获得初始决策图,对初始决策图进行空间一致性检查以及形态学操作以消除因EOG相近而造成的噪点;然后,对初始决策图进行GF以得到优化后决策图,从而避免融合后的图像存在边缘骤变的问题;最后,基于优化后决策图对源图像进行加权融合,以得到融合图像.选取3组经典的多聚焦图像作为实验图像,将所提方法与其他9种多聚焦图像融合方法得到的结果进行比较.主观视觉效果显示,所提方法能更好地将多聚焦图像的细节信息保存下来,另外,经该方法处理后的图像的4项客观评价指标均显著优于对比方法.结果表明,所提方法能够获得高质量的融合图像,较好地保留原始图像信息,有效解决传统多聚焦图像融合出现的边缘模糊问题.

摘要： 为了改善对多聚焦图像融合的视觉效果和时效性.借助非下抽样剪切波(NSST)变换的平移不变性和较强的方向选择性,提出改进的融合策略.通过NSST变换对源图像进行分解,获得与源图像大小相同但尺度不同的低频子带和高频子带,再采用改进平均梯度的策略对低频子带进行融合,对高频子带则利用改进的自适应PCNN策略进行融合.对融合后的高低频子带进行NSST逆变换,重构出整体更自然明亮和细节纹理更清晰的融合图像.仿真结果表明:改进融合策略较好地提取出了源图像的细节信息,在主观视觉和五种客观评价指标上均优于其他几种比较算法,且由于NSST引入了快速傅里叶变换,明显提高了运算的时效性.

摘要： 该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法.该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理,并根据所得的最终决策图融合图像.该文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果.

摘要： 为对融合图像的信息丰富度、边缘清晰度以及视觉效果作进一步的提升,设计了一种基于非下采样剪切波变换(NSST)结合非局部均值滤波(NLMF)的多聚焦图像融合算法.首先,将源图像通过NSST变换进行多尺度、多方向分解得到高、低频子带系数.其次,对低频子带系数采用局部区域的改进拉普拉斯能量和以及非局部均值滤波融合方法构建低频子带系数融合权重;对高频子带系数采用基于相关系数的空间频率与能量相结合的融合规则,再加以相位一致性规则,构建高频子带系数融合权重;最后,通过NSST反变换得到最终融合图像.从三组不同聚焦图像的实验结果来看,所提算法不论是在主观视觉上,还是在客观评价上,融合图像的轮廓、纹理等信息保留度以及视觉清晰度都有较好的提升.

摘要： 为对融合图像的信息丰富度、边缘清晰度以及视觉效果作进一步的提升,设计了一种基于非下采样剪切波变换(NSST)结合非局部均值滤波(NLMF)的多聚焦图像融合算法。首先,将源图像通过NSST变换进行多尺度、多方向分解得到高、低频子带系数。其次,对低频子带系数采用局部区域的改进拉普拉斯能量和以及非局部均值滤波融合方法构建低频子带系数融合权重;对高频子带系数采用基于相关系数的空间频率与能量相结合的融合规则,再加以相位一致性规则,构建高频子带系数融合权重;最后,通过NSST反变换得到最终融合图像。从三组不同聚焦图像的实验结果来看,所提算法不论是在主观视觉上,还是在客观评价上,融合图像的轮廓、纹理等信息保留度以及视觉清晰度都有较好的提升。

摘要： 多聚焦图像融合是计算机视觉领域中的一个重要分支,旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合,最终获得全清晰图像.随着以深度学习为代表的机器学习理论的突破,卷积神经网络被广泛应用于多聚焦图像融合领域,但大多数方法仅关注网络结构的改进,而使用简单的两两串行融合方式,降低了多图融合的效率,并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量.针对上述问题,在显微成像分析的应用场景下,提出了一种最大特征图空间频率融合策略,通过在基于无监督学习的卷积神经网络中增加后处理模块,规避了两两串行融合中冗余的特征提取过程,实验证明该策略显著提高了多张图像的多聚焦图像融合效率.并且提出了一种矫正策略,在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响.

摘要： 多聚焦图像融合技术是为了突破传统相机景深的限制,将焦点不同的多幅图像合成一幅全聚焦图像,以获得更加全面的信息.以往基于空间域和基于变换域的方法,需要手动进行活动水平的测量和融合规则的设计,较为复杂.所提出的方法与传统的神经网络相比增加了提取浅层特征信息的部分,提高了分类准确率.将源图像输入训练好的多尺度特征网络中获得初始焦点图,然后对焦点图进行后处理,最后使用逐像素加权平均规则获得全聚焦融合图像.实验结果表明,本文方法融合而成的全聚焦图像清晰度高,保有细节丰富且失真度小,主、客观评价结果均优于其他方法.

摘要： 针对多聚焦图像融合存在的问题,提出一种基于非下采样Contourlet变换(NSCT)的多聚焦图像融合新方法.首先,采用NSCT对多聚焦图像进行分解;然后,对低频系数采用基于改进拉普拉斯能量和(SML)的视觉特征对比度进行融合,对高频系数采用基于二维Log-Gabor能量进行融合;最后,对得到的融合系数进行重构得到融合图像.实验结果表明,无论是运用视觉的主观评价,还是互信息、边缘信息保留值等客观评价标准,本文所提方法都优于基于传统的离散小波变换、平移不变离散小波变换、NSCT等融合方法.

摘要： 针对多聚焦图像的特点和传统小波在图像融合多尺度分析中的缺点,本文提出四元数小波变换的多聚焦图像融合方法。首先,通过对源图像进行四元数小波变换分解;然后,对低频子带系数,采用区域能量的融合规则;对高频子带系数,采用一种新的改进拉普拉斯能量和的融合规则,再通过四元数小波逆变换能到融合图像,该方法具有一定的有效性和实用性。实验表明:该方法较传统方法有较好的视觉效果和较高的客观质量评价指数。

摘要： 由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像,多聚焦图像融合技术可有效地解决这一问题.提出了一种新的基于NSCT变换和非负数矩阵(NMF)的多聚焦图像融合方法.2幅多聚焦图像通过NSCT变换分解以后,利用非负数矩阵分别处理其高频以及低频成分,最终合成为融合图像.本文算法的结果与基于NSCT变换、基于小波变换和NMF、基于Contourlet变换和NMF进行了比较,分别在运行时间、信息熵、标准偏差和平均梯度等方面进行了对比,实验结果表明,本文提出的算法优于其他3种算法.

摘要： 文本提出一种基于遗传算法的自适应分块多聚焦图像融合新方法,该融合算法的主要思想是选择拉普拉斯能量和sum-modified-Laplacian(SML)作为衡量图像子块清晰的度量,边缘信息保留值作为适应度函数,最终运用遗传算法自动搜寻到最优子块大小实现图像的融合.实验结果表明:本文提出的融合方法性能明显优于传统的图像融合方法.

摘要： 为了体现多聚焦图像在成像方面的差异,突出人类的视觉系统对图像边缘区域的敏感性,提出一种基于块灰度共生矩阵的自适应多聚焦图像融合方法.方法以块灰度共生矩阵及其标准偏差为作为融合时的分块和融合准则,采用自适应分块的融合方法.由实验、主观评价及客观评价(标准差、平均梯度、空间频率)结果显示,该方法优于常规小波变换融合方法.

摘要： 多聚焦图像融合是指数码相机等设备有时无法将目标区域内的所有目标都聚焦清晰,聚焦了某个目标,另一个可能就模糊了;这时就可以通过图像融合技术获得一幅全聚焦的图像,从而获得单幅图像得不到的更加丰富的信息. 目前,图像融合技术的研究主要集中在像素级,像素级融合主要存在以下几种技术:基于PCA的图像融合;基于HIS变换的图像融合;基于金字塔变换的图像融合;基于小波变换的图像融合.其中,小波变换由于其良好的时频局部性及多分辨性,成为图像融合中的主流技术.本文研究基于梯度算子的图像融合算法。

摘要： 本发明公开了基于多聚焦融合和图像拼接的无线传感网络图像融合方法。该方法在图像采集节点首先进行多聚焦图像采集，调用基于方向区域能量的多聚焦图像融合算法进行多聚焦图像融合，通过自适应梯度门限值判定方法选取聚焦图像传给拼接处理节点，在拼接处理节点对不同采集节点或同一采集节点的不同方向得到的多聚焦图像进行图像拼接，获得一幅具有多方位多聚焦的融合图像，再对其进行传输。本发明结合多聚焦图像融合技术以及图像拼接技术，对需要传输的大量图像数据进行了有效融合，减少了传感网络数据传输量和传输能耗，同时让用户获得更直接更丰富的信息，采用自适应梯度门限值判定方法选取拼接素材，减小了聚焦模糊图像对融合结果的不利影响。

摘要： 本发明提供了一种基于两尺度聚焦图的多聚焦图像融合方法，采用两尺度聚焦图融合的方法，并基于稀疏性扩散方程构建能量函数求解最终聚焦图中每个像素点来自两幅尺度聚焦图的概率，由此得到最终聚焦图，根据最终聚焦图求出融合图像。本发明聚焦图像边界处分割准确，得到的融合图像清晰度高。

摘要： 本发明请求保护一种基于离散Tchebichef多项式变换和聚焦评价的多聚焦图像融合方法，涉及数字图像处理、机器视觉的技术领域。具体步骤为：1)对需要融合的多幅图像进行分块处理，得到r个m×n的图像块；2)分别对每个图像块归一化，再分别对归一化后的块进行离散Tchebichef多项式变换，得到对应的离散Tchebichef多项式变换系数；3)以高阶变换系数的能量和低阶变换系数的能量的比值作为聚焦评价函数，根据聚焦评价值最大的融合规则融合多幅输入图像；4)将融合后的图像进行一致性验证，得到最终融合后的图像。本方法建立了图像离散Tchebichef多项式变换系数与图像聚焦程度的联系，在节省融合时间的同时，有效地提高了图像的融合效果。

摘要： 本发明涉及一种基于多聚焦图像融合和HDR算法的样本图像融合方法和装置，应用于阴道微生物样本检测，方法包括：获取阴道微生物样本的图像集合，图像集合包括阴道微生物样本的预设层数中每一层的图像，基于多聚焦图像融合和HDR算法，将图像集合中的每一张图像融合到一张目标图像中，输出目标图像，以实现将多张图像清晰的融合到一张图像中，便于医务人员的查看和诊断。

摘要： 本发明公开了基于多聚焦融合和图像拼接的无线传感网络图像融合方法。该方法在图像采集节点首先进行多聚焦图像采集，调用基于方向区域能量的多聚焦图像融合算法进行多聚焦图像融合，通过自适应梯度门限值判定方法选取聚焦图像传给拼接处理节点，在拼接处理节点对不同采集节点或同一采集节点的不同方向得到的多聚焦图像进行图像拼接，获得一幅具有多方位多聚焦的融合图像，再对其进行传输。本发明结合多聚焦图像融合技术以及图像拼接技术，对需要传输的大量图像数据进行了有效融合，减少了传感网络数据传输量和传输能耗，同时让用户获得更直接更丰富的信息，采用自适应梯度门限值判定方法选取拼接素材，减小了聚焦模糊图像对融合结果的不利影响。

摘要： 本发明公开了一种结合高低频系数改进聚焦清晰度度量的多聚焦图像融合方法，首先设计一种高低频系数融合图像重构算法框架，利用拉普拉斯金字塔变换对输入源图像进行分解，得到低频系数和高频系数；针对低频系数，采用改进的聚焦清晰度度量方法处理，利用引导滤波后细化决策图，得到低频系数融合图像。针对高频系数，提出一种边缘增强方法保留并增强源图像的高频信息，利用引导滤波对高频系数下的融合决策图进行滤波操作，得到高频融合图像。最后，对低频系数和高频系数融合图像采取拉普拉斯逆变换得到最终融合图像。本发明提供的方法在有效保留图像主体结构的同时，能增强图像边缘细节信息，提升融合质量，取得了较好的融合效果。

摘要： 本发明公开了一种基于DCT和聚焦评价的多聚焦图像融合方法，涉及数字图像处理、机器视觉的技术领域。具体步骤为：1)直接从多幅源图像读取比特流，再对其进行解码和去量化，以获得每个块的DCT系数；2)分别对每个块的DCT系数进行归一化，并计算其低阶DCT系数；3)以高阶与低阶DCT系数的能量的比值作为聚焦评价函数，比较多幅源图像对应块的聚焦评价值，依据最大值判定初始决策图；4)对初始决策图进行一致性验证，再依据所得最终决策图融合图像；5)利用量化表量化图像，再熵编码得到融合图像的位流进行存储和传输。本发明针对在无线视觉传感器网络(WVSN)中的JPEG格式图像，建立了图像DCT系数与其聚焦程度的联系，大大降低了时间复杂度，并提高了图像的融合效果。

摘要： 本发明提供了一种基于两尺度聚焦图的多聚焦图像融合方法，采用两尺度聚焦图融合的方法，并基于稀疏性扩散方程构建能量函数求解最终聚焦图中每个像素点来自两幅尺度聚焦图的概率，由此得到最终聚焦图，根据最终聚焦图求出融合图像。本发明聚焦图像边界处分割准确，得到的融合图像清晰度高。

摘要： 本发明请求保护一种基于离散Tchebichef多项式变换和聚焦评价的多聚焦图像融合方法，涉及数字图像处理、机器视觉的技术领域。具体步骤为：1)对需要融合的多幅图像进行分块处理，得到r个m×n的图像块；2)分别对每个图像块归一化，再分别对归一化后的块进行离散Tchebichef多项式变换，得到对应的离散Tchebichef多项式变换系数；3)以高阶变换系数的能量和低阶变换系数的能量的比值作为聚焦评价函数，根据聚焦评价值最大的融合规则融合多幅输入图像；4)将融合后的图像进行一致性验证，得到最终融合后的图像。本方法建立了图像离散Tchebichef多项式变换系数与图像聚焦程度的联系，在节省融合时间的同时，有效地提高了图像的融合效果。

摘要： 本发明公开一种基于NSST和聚焦区域检测的多聚焦图像融合方法，首先对待融合的多聚焦图像分别利用NSST及相应的融合规则，得到初始融合图像；将待融合的源图像分别与初始融合图像进行比较，对于源图像中与初始融合图像相似性较大的像素点，我们认为它是来自源图像中的严格聚焦区域的，根据这一理论我们可以确定源图像中的聚焦区域；最后，在已经确定的聚焦区域上利用改进的脉冲耦合神经网络获得最终的融合图像。本发明可以充分的提取各源图像中的有用信息并注入到融合图像中，有效地克服了基于变换域的融合算法不能选取出所有位于聚焦区域内的系数的缺陷，并且获得的融合图像在视觉效果及客观指标上均优于经典的多尺度融合算法。