多聚焦显微图像融合算法

在显微成像过程中,受系统景深限制,沿光轴方向不同层面之间聚焦位置存在显著差异,同时不同层面的显微图像存在部分聚焦区域重叠,现有多聚焦融合算法往往无法并行提取和融合多幅显微图像中最清晰的聚焦部分。提出一种多聚焦显微图像融合算法,首先构造了一种类高斯四邻域梯度算子并结合快速引导滤波,实现高频聚焦信息的提取;同时针对大视场显微图像序列中存在聚焦信息重叠、像素数量大的情况,引入了一种小区域聚焦度量方法,提高了对聚焦清晰区域高频信息提取的能力,实现了多图最佳聚焦点的融合。拍摄3组包括4 mm和2 mm对角线视场的多聚焦显微图像序列进行测试,相较5种常用多聚焦图像融合算法,所提算法的峰值信噪比平均提高了2.4772,结构相似性指数达0.9400以上,对聚焦清晰区域有更好的融合效果,融合图像细节丰富且清晰度高,能够满足大视场多聚焦显微图像融合的准确性要求。     

基于多尺度快速清晰度估计的多聚焦图像超分辨融合技术研究

为了提高图像融合清晰度,提出了一种基于多尺度快速清晰度估计的多聚焦图像超分辨率融合技术,利用小波分解算法结合图像清晰度估计算法,实现对多聚焦图像清晰区域的分解、识别和提取,最终得到一幅各个区域都清晰的融合图像。实验结果表明,提出的技术保留了源图像中的几乎全部最清晰区域,融合后的图像清晰度比传统方法有了大幅度的提高,融合结果比较理想。     

结合SML与差分图像的多聚焦图像融合算法

针对传统多聚焦图像融合算法中融合边缘出现模糊、伪影等问题，提出了一种结合改进拉普拉斯能量和（SML）与差分图像的多聚焦图像融合算法。首先，为了提取源图像的聚焦特征信息，分别通过SML和滤波差分进行聚焦度量，再采用引导滤波获得更多的细节特征；接着，利用像素最大值规则生成初始融合决策图，再对初始融合决策图进行小区域去除消除因聚焦和散焦区域相似造成的噪点，并对融合决策图进行不一致处理，获得更精确的聚焦区域；最后，由逐像素加权平均规则，得到融合图像。实验结果表明，所提出的算法在主观视觉效果和客观评价指标上均优于对比算法，互信息、特征互信息、图像梯度特征在彩色图像上分别提高了0.17%、0.38%和0.11%，在灰度图像上分别提高了0.7%、0.69%和0.33%，并且平均运行时间少于0.5 s，具有较高的计算效率。此外，该算法能够较好地保留源图像信息的完整性，融合图像边缘清晰、无伪影。     

基于CRF预分割和NSCT的多聚焦图像融合

针对基于多尺度分解的图像融合算法在提高图像模糊区域质量的同时却降低了清晰区域质量的问题,提出了一种结合CRF预分割与NSCT的多聚焦图像融合算法.该算法首先利用条件随机场概率模型对图像进行预分割,将图像预分割为清晰区域、模糊区域和两者的交界区域;然后对图像进行NSCT分解,低频子带系数采用加稀疏约束的非负矩阵分解算法融合,高频子带系数,在交界区域采用方向特征对比度的方法融合,在非交界区域选取清晰度高的系数融合.最后经NSCT逆变换得到最终的融合图像.该方法的融合效果在提高了图像清晰度的同时又有效保持了图像的边缘信息.     

基于Q-Shift DT-CWT的多聚焦图像融合研究

提出了一种基于Q-Shift双树复小波变换的多聚焦图像融合算法.根据多聚焦图像的成像特点和变换后的高低频系数相关性,对高频系数采用＂模值绝对值和取大＂和对低频系数采用＂局部区域标准方差取大＂的融合准则,并对高频融合系数进行一致性检测,以实现尽可能直接选择源图像中的清晰区域系数作为融合图像对应位置的系数.实验结果表明,该融合方法获得了很好的融合效果,与小波变换相比,充分显示了近似的平移不变性和良好方向选择性等特性.     

基于区域分割的序列红外图像融合算法

针对传统的基于像素点和窗口策略的融合算法对图像特征表征的失真,提出了一种基于区域分割的序列图像融合算法.首先将序列红外图像分割为3个不同的特征区域,目标区域、背景区域以及灰度区域,并将分割结果映射到可见光图像中.随后,利用多尺度几何分析工具非下采样Contourlet变换(NSCT)有效提取图像特征的特点,根据不同区域的特性在NSCT域设计不同的融合规则.对试验结果进行主观和客观的对比,结果表明:基于区域分割的序列图像融合算法不仅能够为融合图像保留更全面、丰富的背景信息,还能够更加有效、准确地提取图像中的目标特征.该算法优于传统的基于像素点和窗口规则的融合算法,是一种有效可行的图像融合算法.     

区域方差和点锐度相结合的多聚焦图像融合

针对光学成像系统景深范围有限、景深范围外目标成像模糊的问题,提出一种区域方差和点锐度相结合的拉普拉斯金字塔变换图像融合方法。该方法首先对多幅源图像做拉普拉斯金字塔变换,提取源图像在不同频率层的特征信息;对金字塔顶层图像和其余各层图像,分别采用区域方差和点锐度作为融合度量,对其进行融合,得到融合图像的金字塔各层系数;最后进行拉普拉斯金字塔逆变换得到融合图像。仿真结果表明,本文方法得到的融合图像主观视觉效果和客观评价指标均优于其他常用算法,标准差、互信息和边缘保持度分别提高了0.24%、6.8%和8.4%。该方法有效降低了融合图像的噪声,获得了更加丰富的边缘信息,对实现光学成像系统在大视场范围获取高分辨率光学图像具有重要意义。     

椭圆方向窗与新轮廓波应用于多聚焦融合算法研究

针对光学显微镜景深扩展中的多聚焦图像融合问题,提出了一种基于方向特性的新轮廓波域多聚焦图像融合算法。该算法首先对图像进行新轮廓波变换(New Contourlet Transform with Sharp Frequency Localization,NCT-SFL),分解得到不同尺度、不同方向的高低频系数,低频系数融合使用算术平均法,高频系数融合分为两步:先采用改进拉普拉斯能量和(Sum Modified Laplacian,SML) 提取特征值;然后定义新的与方向分解一一对应的椭圆方向窗,在确定的椭圆窗参数下,对提取的特征值进行累加并以此为依据对高频系数进行融合,最后通过反新轮廓波变换得到融合图像。在实验部分用定义的新的客观评价指标互结构信息(Mutual Structural Information,MSI)对融合算法进行了评价,结果表明:对多聚焦图像本文所提方法比新轮廓波域方形窗算法MSI提高了2.94%,比Contourlet域方形窗与椭圆窗算法MSI分别提高了10.44%和8.56%。说明本文方法能提取源图像中更多的清晰信息到融合图像,是一种有效的景深扩展手段。      

基于NSCT-PCNN的多聚焦红外图像融合

由于红外镜头景深的限制,为获得场景中所有区域都聚焦清晰的图像,提出一种在非下采样轮廓波变换(NSCT)域结合改进的脉冲耦合神经网络(PCNN)的多聚焦红外图像的融合算法。首先通过NSCT将图像分解为不同尺度和方向的子带;低频子带图像利用基于一致性验证的特征选择规则进行融合;对于高频子带,采用改进的空域频率激励PCNN模型,选择点火时间最大的系数进行融合;最后通过NSCT反变换得到融合图像。通过多组同一场景不同聚焦位置下的红外图像融合实验,结果分析表明该算法能从源图像中获得更多的信息,更好地保留源图像的边缘信息,融合效果优于相关算法。     

基于NSST图像特征的多聚焦图像融合方法

针对广泛存在于多聚焦图像融合方法中的局部图像细节不清晰的现状,提出一种基于非下采样剪切波变换(NSST)图像特征的多聚焦图像融合方法。利用NSST对待融合源图像进行多尺度、多方向稀疏分解,分别获取低频和一系列高频子带图像。通过空间频率和局部能量确定融合后的低频子带系数,利用边缘检测算子直接获取高频子带图像中的细节和边缘信息,并采取NSST反变换得到最终融合结果图像。仿真实验结果表明,同现有的几种经典算法相比,本文提出的方法获得的结果图像拥有更清晰的视觉效果、更理想的客观指标效果以及更高的算法运行效率。     

基于自适应局部Log-Gabor能量的多聚焦图像融合

利用全局搜索策略,设计适用于图像融合的最佳Log-Gabor滤波器组,并提出了一种基于自适应局部Log-Gabor能量的多聚焦图像融合方法:首先将多聚焦图像进行自适应分块,然后用最佳Log-Gabor滤波器组对这些子图像进行滤波,从而提取出该子图像的Log-Gabor能量,比较对应子图像的Log-Gabor能量,以挑选出其中清晰的像素并进行一致性检验,重构图像.本文给出了融合实验结果和各项评价指标,结果表明该方法与经典的融合方法相比性能更优,明显提高融合图像质量和运行效率.     

A modified statistical approach for image fusion using wavelet transform

The fusion of images is an important technique within many disparate fields such as remote sensing, robotics and medical applications. For image fusion, selecting the required region from input images is a vital task. Recently, wavelet-based fusion techniques have been effectively used to integrate the perceptually important information generated by different imaging systems about the same scene. In this paper, a modified wavelet-based region level fusion algorithm for multi-spectral and multi-focus images is discussed. Here, the low frequency sub-bands are combined, not averaged, based on the edge information present in the high frequency sub-bands, so that the blur in fused image can be eliminated. The absolute mean and standard deviation of each image patch over 3 × 3 window in the high-frequency sub-bands are computed as activity measurement and are used to integrate the approximation band. The performance of the proposed algorithm is evaluated using the entropy, fusion symmetry and peak signal-to-noise ratio and is compared with recently published results. The experimental result proves that the proposed algorithm performs better in many applications.     

一种自适应PCNN多聚焦图像融合新方法

该文通过分析脉冲耦合神经网络(PCNN)参数模型,结合多聚焦图像的基本特点和人眼视觉特性,提出了一种自适应PCNN多聚焦图像融合的新方法。该方法使用图像逐像素的清晰度作为PCNN对应神经元的链接强度,经过PCNN点火获得每幅参与融合图像的点火映射图,再通过判决选择算子,判定并选择各参与融合图像中的清晰部分生成融合图像。该方法中,其它参数如阈值调整常量等对于融合结果影响很小,解决了PCNN方法的参数调整困难的问题。实验结果表明,该方法的融合效果优于小波变换方法和Laplace塔型方法。     

基于超像素级卷积神经网络的多聚焦图像融合算法

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。     

基于超像素级卷积神经网络的多聚焦图像融合算法

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。     

shearlet变换和区域特性相结合的图像融合

为了提高多模医学图像或多聚焦图像的融合性能,结合shearlet变换能够捕捉图像细节信息的性质,提出了一种基于shearlet变换的图像融合算法。首先,用shearlet变换将已精确配准的两幅原始图像分解,得到低频子带系数和不同尺度不同方向的高频子带系数。低频子带系数使用改进的加权融合算法,用平均梯度来计算加权参量,以此来改善融合图像轮廓模糊度高的问题,高频子带系数采用区域方差和区域能量相结合的融合规则,以得到丰富的细节信息。最后,进行shearlet逆变换得到融合图像。结果表明,此算法在主观视觉效果和客观评价指标上优于其它融合算法。     

一种改进的基于Ripplet变换的多聚焦图像融合方法

针对多聚焦图像在融合时容易产生边缘模糊现象 并损失清晰区域对比度的缺点,基于能有效描述图像边 缘的Ripplet变换(RT),提出一种改进的多聚焦图像融合方法。首先,通过离散RT(type-I) 获 得分解后的高频和低频 子带系数,对于低频子带系数,采用非下采样轮廓波变换(NSCT)进行3层系数融合,而对于 高频子带系数,采用正交匹配 追踪(OMP)算法求解其对应过完备字典的稀疏表示系数;然后通过系数向量的活跃度规则进 行系数融合,并构造其对应的系 数矩阵;最后通过反RT得到最终的融合图像。实验结果表明,本文算法能很好 保持多聚焦图像的边缘轮廓 和清晰部分的对比度,并且在客观评价上,本文算法在互信息、边缘保持度等指标上均具有 一定的优势。     

A novel multi-focus image fusion method based on distributed compressed sensing

Multi-focus image fusion aims to produce an all-in-focus image by merging multiple partially focused images of the same scene. The main work is identifying the focused region and then composing all the focused regions. In this paper, a novel efficient multi-focus image fusion method based on distributed compressed sensing (DCS) is proposed. Firstly, the low-frequency and high-frequency images are obtained by comparing the variance of the source images, which are further utilized to get the low-frequency and high-frequency dictionaries. Secondly, DCS using joint sparsity model-1 (JSM-1) is applied to reconstruct the precise high-frequency images. Thirdly, the decision map is obtained based on all the high-frequency images and then improved by the morphological processing. Finally, the focused pixels are chosen from the source images through the decision map. Experimental results indicate that the proposed DCS-based method can be competitive with or even outperform some state-of-the-art methods in terms of both visual and quantitative metric evaluations.     

基于提升小波和人眼视觉特性的自反馈彩色图像融合

提出了一种基于提升小波变换和人眼视觉特性的自反馈彩色图像融合算法.首先讨论提升小波变换的基本原理,然后考虑到人眼的视觉特性,将彩色图像变换到YIQ颜色空间,运用不同融合规则进行融合.对I和Q色差分量采用平均法融合,对Y分量采用自反馈法得到其最终优化融合结果,最后由三分量融合结果变回RGB颜色空间.实验结果表明,该算法具有良好的融合效果.