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。     

多特征结合引导滤波的多聚焦图像融合

提出一种多特征结合引导滤波的图像融合算法,使用多个特征,计算各特征的置信图,将各特征的优势相结合,提升整体融合的质量。具体步骤如下:首先计算源图像的多类特征,各特征经过引导滤波后计算初始决策图和置信图,然后通过形态学方法去除小连通区域后,再次使用引导滤波得到最终决策图,最后使用置信图对最终决策图加权,与源图像相乘再相加得到最终的融合图像。实验结果表明,该算法对残差图的主观分析和客观融合质量评价指标的定量分析,较当前传统多聚焦图像融合算法均有提升。     

基于边缘检测的多聚焦彩色图像融合算法

针对左聚焦和右聚焦彩色图像的融合问题,设计了一种基于边缘检测的彩色图像融合算法。首先将彩色图像转换为NTSC图像,再利用Canny方法检测出亮度信息图像的最优边缘,然后对亮度信息图像的边缘部分采用平均法进行融合,其余部分采用相关系数的权值法进行融合,最后将融合之后的饱和度图像、亮度图像和色调图像转换为彩色图像。从融合效果来看,文中算法能够将两幅左右聚焦的彩色图像融合成一幅信息量饱满且清晰的单一聚焦彩色图像。实验结果和信息熵客观评价结论表明,该彩色融合算法能够将信息熵提高2.13%～2.51%。     

结合向导滤波与复轮廓波变换的多聚焦图像融合算法

多聚焦融合在图像识别和分析中具有非常重要的地位。为了有效地保留源图像的细节,克服变换域算法由于空间不连续性产生的人造纹理和灰度不均衡。该文结合复轮廓波时频分离的优点和向导滤波的特点提出了一种基于向导滤波的复轮廓波域多聚焦图像融合算法。首先,对源图像进行复轮廓波分解,其次对分解的低频系数进行基于向导滤波的均值融合策略,然后对分解的高频系数进行基于向导滤波的改进拉普拉斯能量和模取大的融合策略,最后通过复轮廓波反变换得到融合后的图像。实验结果表明,该算法利用向导滤波显著的提升了变换域融合算法的空间连续性,不仅可以获得良好的视觉融合效果,而且其客观评价指标也得到了提升。      

基于NSCT结合显著图与区域能量的红外与可见光图像融合

针对传统的红外与可见光图像融合出现的清晰度和对比度偏低,目标不够突出的问题,本文提出了一种基于Non-subsampled Contourlet(NSCT)变换结合显著图与区域能量的融合方法。首先,使用改进的频率调谐（Frequency-tuned, FT）方法求出红外图像显著图并归一化得到显著图权重,单尺度Retinex(Single-scale Retinex, SSR)处理可见光图像。其次,使用NSCT分解红外与可见光图像,并基于归一化显著图与区域能量设计新的融和权重来指导低频系数融合,解决了区域能量自适应加权容易引入噪声的问题;采用改进的“加权拉普拉斯能量和”指导高频系数融合。最后,通过逆NSCT变换求出融合图像。本文方法与7种经典方法在6组图像中进行对比实验,在信息熵、互信息、平均梯度和标准差指标中最优,在空间频率中第一组图像为次优,其余图像均为最优结果。融合图像信息量丰富、清晰度高、对比度高并且亮度适中易于人眼观察,验证了本文方法的有效性。     

基于能量、梯度与方差的多聚焦图像融合

大多数图像融合算法只就图像的某一个特征进行融合,容易造成其他特征信息损失。针对此问题,提出了一种利用哈尔小波变换的特性,考虑多种区域特征进行融合的策略,将图像进行哈尔小波变换后,根据图像的低频部分集中图像大部份能量的特征,采用梯度和能量相结合,根据图像高频部分反映图像细节的特征,采用区域方差与变换系数相结合的方法进行融合,最后经哈尔小波逆变换得到融合结果。通过对多组多聚焦图像进行融合实验,采用均值、方差、熵和平均梯度4种客观评价指标来评价融合图像效果,结果表明该方法能很好地保留图像信息,融合效果好。     

基于离散Walsh-Hadamard变换和引导滤波的多聚焦图像融合

多聚焦图像融合作为一种有效的信息融合方法,在图像处理和计算机视觉领域引起了越来越多的关注.提出了一种基于离散Walsh-Hadamard变换(DWHT)和引导滤波的多聚焦图像融合算法.首先,提出了一种新的聚焦区域检测方法,该方法运用DWHT并计算L1范数得到初始决策图;然后,运用数学形态学方法和引导滤波优化生成最终决策图;最后,由像素加权平均规则和最终决策图得到融合图像.为验证所提算法的有效性,选择3组研究中普遍使用的多聚焦图像进行实验,并将该算法运用于实际应用中采集到的2组多聚焦序列图像,与其余几种算法相比,所提算法在主观定性分析和客观定量评价指标上均表现出明显的优势.实验结果表明,与其他多聚焦图像融合算法相比,所提算法能更有效地从源图像中提取聚焦区域,增强融合图像的细节保留能力和空间连续性.     

基于IMOPSO算法的多目标多聚焦图像融合

目前的多聚焦图像融合方法对于融合模型的建立主要依赖于经验,其参数配置存在主观性.提出了一种基于IMOPSO算法的多目标多聚焦图像融合方法,简化了多聚焦图像融合模型,克服了参数配置对经验的依赖性.首先给出了多聚焦图像融合有效的评价指标,然后构造了统一的小波域多聚焦图像融合模型,最后以模型参数作为决策变量,采用IMOPSO算法进行多目标优化搜索.IMOPSO算法不但引入变异算子以避免早熟,而且引入拥挤算子,使Pareto优解尽可能均匀分布于Pareto前端,并采用一种新的自适应惯性权重提高寻优能力.实验结果表明,IMOPSO算法具有更快的收敛速度和更好的寻优能力,同时基于该算法的融合方法也实现了Pareto最优多聚焦图像融合.     

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.     

多个小波基联合的多聚焦图像融合方法

提出了一种利用多个小波基联合的多聚焦图像融合新方法.该方法首先用每个小波基对源图像进行基于局部能量的融合,得到多幅初级融合图像,然后对初级融合图像在空间域内再进行基于局部方差加权平均融合,得到最终融合图像.实验结果表明,该方法比传统的单小波基融合方法具有更好的融合效果.     

基于各向异性热扩散方程的多聚焦图像融合算法

本文根据多聚焦图像的光学成像原理,利用各向异性热扩散方程来估计图像深度信息,并讨论一种基于深度信息提取的多聚焦图像的融合算法.算法首先对两幅多聚焦图像进行光学成像过程的模拟,分别建立正向区域的热扩散方程,通过对热扩散方程的迭代求解估计出图像场景的深度信息.然后对深度信息进行自适应的区域划分,分别得到每幅图像的清晰区域,模糊区域和中间过渡区域.最后通过提取清晰区域的像素点,融合过渡区域的像素点实现多聚焦图像的融合.理论推导和实验验证表明,本方法能够克服常用算法中出现的块效应和人工痕迹,是一种有效的图像融合算法.     

基于双树复小波变换的多聚焦图像融合算法研究

针对传统离散小波变换图像融合算法在图像特征表达上存在的不足,采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分解与重构,并对高频子带应用基于局部相似性度量的加权平均与选择相结合的融合策略。通过对实验结果的主客观分析,证明该方法得到的融合图像效果较好,优于基于传统小波变换的算法和局部能量取大的算法。     

用于HVS的拉普拉斯金字塔变换图像融合研究

平视视景系统(HVS)融合了增强视景系统(EVS)和合成视景系统(SVS),在飞机近陆运行阶段,为飞行员提供实时外景信息,提高飞行安全。提出了一种用于HVS的图像融合方法:首先将源图像进行拉普拉斯金字塔变换,然后对高频层采用绝对值取大的方法进行融合,低频层采用区域能量与改进的区域平均梯度相结合的方法进行融合,最后进行拉普拉斯反变换得到最终融合图像。实验表明该方法用于EVS与SVS图像的融合时具有良好的融合效果。     

小波分析在多聚焦图像融合中的应用

多聚焦图像融合是图像融合领域的一个重要分支,小波分析方法使得多聚焦图像融合研究取得了重大发展。首先说明了多聚焦图像融合的概念和一般融合方法,然后介绍了图像的小波分解原理,采用小波分析进行图像融合的步骤以及不同的融合规则。最后介绍了融合效果的评价标准,并通过仿真实验进行了定量的分析和比较,得出了结论。     

多个小波基联合的多聚焦图像融合方法M

提出了一种利用多个小波基联合的多聚焦图像融合新方法。该方法首先用每个小波基对源图像进行基于局部能量的融合,得到多幅初级融合图像,然后对初级融合图像在空间域内再进行基于局部方差加权平均融合,得到最终融合图像。实验结果表明,该方法比传统的单小波基融合方法具有更好的融合效果。     

基于小波分解的多聚焦图像融合研究

研究基于小波分解的多聚焦图像融合算法,对源图像进行小波分解,采用不同融合规则构造融合图像的小波系数,最后逆小波变换重构融合图像,比较各种融合规则的特点,最后通过均方根误差,峰值信噪比、熵、互信息熵这些评价函数进行定量分析,结果表明,对于低频部分采用加权方法较好,对于高频部分采用方差对比法或能量对比法对高频部分的细节信息融洽效果较好。     

基于Hess矩阵的多聚焦图像融合方法

该文提出了一种基于Hess矩阵的多聚焦图像融合方法。该方法利用多尺度下的Hess矩阵检测特征和背景区域,并在此基础上,将源图像分成特征区域与非特征区域,分别采用不同的融合策略生成决策图;然后通过结合不同部分的决策图,得到初始决策图;最后采用后处理方法对初始决策图进行精化,得到最终的融合图像。为了提高融合效果,该文还提出了一种基于多尺度Hess矩阵的聚焦评价方法。同时引入积分图像进行快速计算,以满足实时性要求。实验结果表明,该方法在主观视觉感知和客观评价指标方面都要略优于现有的方法。     

基于NSCT和边缘检测的图像融合算法研究

近年来,图像融合已经成为计算机视觉领域一向有价值的新技术,论述了NSCT变换理论,先将图像作非下采样拉普拉斯金字塔尺度分解,在各个尺度层对高频子带作非下采样方向分解,然后分别采用基于区域能量和边缘检测的融合规则得到融合图像的非下采样Contourlet低频和高频系数;最后再进行非下采样Contourlet逆变换得到融合图像。实验结果表明,该方法的融合图像多项指标都优于Contourlet变换、NSCT变换。