NSST与引导滤波相结合的多聚焦图像融合算法

为进一步提高融合图像的对比度和清晰度,提出一种非下采样剪切波变换(简称NSST变换)与引导滤波相结合的多聚焦图像融合算法.首先,利用NSST变换对多聚焦源图像进行多尺度、多方向分解;然后针对低频子带系数,通过计算局部区域改进拉普拉斯能量和进行加权映射,构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于局部区域改进拉普拉斯能量和的引导滤波加权融合规则;针对高频子带系数,结合人眼视觉特性,通过计算显著信息、局部区域平均梯度、边缘信息和局部区域改进拉普拉斯能量和来构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于人眼视觉特征的引导滤波加权融合规则;最后,进行NSST逆变换,获得融合图像. 4组多聚焦源图像的仿真实验结果表明,无论是从主观评价还是客观评价上,与其余4种融合算法相比,本文算法均较好地保留多聚焦源图像的边缘轮廓、细节和纹理等信息,也无细节信息缺失,提高融合图像的对比度和清晰度.     

自动聚焦系统研究

为了准确地确定聚焦平面位置,对自动聚焦技术中聚焦区域选择、聚焦评价函数的确定和搜索策略等关键部分进行了研究.针对聚焦区域,以一阶矩值为聚焦窗口中心,由具体处理的图像分辨率与图像内容决定聚焦区域范围;针对简单图片序列与复杂图片序列,对各种聚焦评价函数进行了仿真与验证;提出了一种改进的爬山法,充分利用聚焦评价函数指标陡峭区宽度与局部极值因子,同时设置两个搜索斜率阈值,为自适应修正搜索步长奠定了较好的基础.结果表明:Laplace聚焦评价函数与SML聚焦评价函数各方面性能优于其他聚焦函数;本文提出的搜索方法可以准确地搜索到焦平面的位置,可为后续基于图像分析操作的工业化与自动化奠定良好的基础.     

像素级卷积神经网络多聚焦图像融合算法

提出了一种用于多聚焦图像融合的卷积神经网络(CNN)。与现有的基于CNN的图像融合方法将源图像分解成几个小块,然后使用一个分类器来估计图像块是否聚焦相比,本文方法直接将整个图像转换成一个决策图。像素级回归策略可以充分利用互补信息,解决了聚焦/散焦区域周围模糊程度估计的困难。此外,在图像融合领域,应用环形残差网络(RResNet)模块来提取更多聚焦区域的语义信息。同时,利用结构相似度(SSIM)估计生成的融合图像与参考图像之间的结构相似性以提高融合图像的质量,同时采用边缘保留损失函数来保留源图像中更多的梯度信息。实验结果表明:该方法在主观视觉效果和客观评价方面均优于其他融合算法。     

基于稀疏分解和背景差分融合方法的图像处理技术

针对传统融合算法处理聚焦区域能力弱、边缘效果差以及目标轮廓提取存在缺陷等问题,提出了基于稀疏分解和背景差分融合的方法.稀疏分解经过鲁棒主成分分析方式提取多聚焦图像轮廓,从而为源图像的准确分离奠定基础;背景差分融合依照源图像与增强图像的差异图提取轮廓信息以准确定位聚焦区域,从而防止引入人工干扰.结果表明,与传统方法相比,本文提出的方法在很大程度上提升了融合效果,能够很好地加强其对噪声的鲁棒性,同时表现出很好的视觉效果.     

基于拼接思想的小波域多聚焦图像融合

分析多聚焦图像融合的特点,给出一种基于拼接思想的小波域图像融合方法。利用小波分解系数中区域方差和较大的系数对应着较好的图像块原则,结合区域一致性检验修正,选择代表优质图像质量的小波系数,经小波反变换重构聚焦图像。实验结果表明:采用此方法得到的融合图像清晰度高,图像特性保留良好,客观评价指标有明显提升。     

基于WNMF和聚焦点定位分析的多聚焦图像融合方法

在非负矩阵分解(NMF)图像融合方法的基础上,提出一种基于加权非负矩阵分解(WNMF)和聚焦点定位分析的多聚焦图像融合方法。该方法利用光学系统成像原理及点扩散函数在光学成像过程中的作用,判定多聚焦图像中的聚焦点的近似位置,并以此为基础构建一个权值矩阵,然后将加权非负矩阵算法应用于图像融合中,最后得到一幅各部分都聚焦清晰的图像。实验结果表明,通过本文提出的方法得到的融合图像效果优于普通的非负矩阵分解方法、小波变换法方法及拉普拉斯塔式方法。     

显微视觉技术在微细加工中的应用

面向微细加工设计显微视觉系统,同时结合力觉传感器共同控制微细加工的操作过程.针对显微图像中噪声也被放大的特点,在自动聚焦处理中提出了一种新的强噪声聚焦评价函数处理方法,即在中值滤波和双边滤波后,采用分水岭算法对滤波图像进行过分割处理,对分割的各小区域求取其均值,用均值代替此区域内像素灰度值,再利用SML聚焦评价函数进行自动聚焦;同时,为了避免回程间隙而损失定位精度,在搜索方式上,采用精度较高的三次样条插值定位方法,利用相对矩对目标进行识别.实践表明,本系统能快速准确地确定刀具与加工工件之间的三维距离,完成微细操作控制过程.     

利用拉普拉斯能量和CNN的多聚焦图像融合方法

多聚焦图像融合技术的目的是生成一幅全聚焦图像.所谓全聚焦图像,就是将不同源图像的清晰区域集成到一幅单一的图像中.传统的图像融合方法通常存在块伪影、人造边、晕轮效果、振铃效果以及对比度下降等问题.对此,本文提出了一种利用拉普拉斯能量和CNN的多聚焦图像融合方法.使用拉普拉斯能量算子可以有效的提取源图像的聚焦信息,而训练后的卷积神经网络模型从聚焦信息图中提取的聚焦特征可以有效的进行聚焦子块和离焦子块的区分.训练后的卷积神经网络模型不仅具有很好的提取活跃窗口相对聚焦度的能力,而且可以获得精确的分割边界.在经过多轮训练后,卷积神经网络模型可以很好的在源图像和分值图之间建立一种有效的映射,这对于生成一幅精准的聚焦图至关重要.采用二值分割和小区域滤波技术来对聚焦图进行进一步的修正,获得用于融合的最终决策图.最后,根据最终决策图提供的权值,对多幅源图像进行融合形成最终的融合图像.实验结果表明,无论从视觉效果还是从定量评价方面,提出的方法均优于目前已有的其它融合方法.     

非下采样Contourlet变换域多聚焦图像融合方法

针对同一场景的多聚焦图像融合问题,提出基于脉冲耦合神经网络(PCNN)的非下采样Contourlet变换(NSCT)域融合方法.将源图像经过NSCT变换生成的低通子带系数和带通方向子带系数输入PCNN,将各神经元迭代产生的点火频数构成点火映射图.采用接近度函数描述点火映射图邻域特性的关联程度,根据邻域接近度为融合图像选择相应的子带系数,通过NSCT逆变换得到融合结果.实验分析表明,新的融合方法在很大程度上保留了多聚焦图像的清晰区域和特征信息,具有比经典小波变换、Contourlet变换和常规NSCT方法更好的融合性能.     

实时多聚焦显微图像融合算法

针对显微镜下全聚焦图像融合,提出了一种快速多聚焦图像融合算法.首先,该算法通过改进拉普拉斯能量和去估计源图像的聚焦程度,生成一张初始的掩膜图像;其次,使用区域增长算法对掩膜图像进行聚类,生成掩膜图像,并对源图像进行拉普拉斯金字塔分解;最后,通过掩膜图像及拉普拉斯金字塔的各层图像进行图像融合.在多种显微镜下测试多种工业样...     

一种基于小波变换的数字图像自动聚焦算法

由傅立叶光学理论可知 ,图像高频能量值可以反映聚焦程度 .在传统图像灰度方差评价函数的基础上 ,利用小波多分辨率分析 ,提出了一种新的自动聚焦算法 .清晰度评价函数通过舍去图像低频概貌信号 ,突出了高频能量 ,具有更好的尖锐性 .并分析了分解层数对评价函数性能的影响 .通过改进的变步长爬山算法实验表明 ,该算法与传统灰度方差算法相比具有更好的聚焦精确度 .     

机器视觉测量算子耦合显微图像内容的快速聚焦机制

针对显微聚焦速度慢、精度不够等难题,设计了机器视觉测量算子;根据显微图像内容,自动选择图像有效聚焦点,提出了二者相融合的快速自动聚焦算法.将最大灰度值像素作为有效聚焦点,并引入清晰度评价函数,嵌入爬山搜索法,快速锁定Z轴聚焦位置,解决显微聚焦速度慢、精度不够的问题.实验结果表明,相对于传统方法,文中算法具有更高的聚焦效率与精度.方案应用在快速自动聚焦上可以达到较好的效果,在工程上应用是可行的.     

一种基于小波变换的数字图像自动聚焦算法

由傅立叶光学理论可知，图像高频能量值可以反映聚焦程度．在传统图像灰度方差评价函数的基础上．利用小波多分辨率分析，提出了一种新的自动聚焦算法．清晰度评价函数通过舍去图像低频概貌信号，突出了高频能量，具有更好的尖锐性．并分析了分解层数对评价函数性能的影响．通过改进的变步长爬山算法实验表明，该算法与传统灰度方差算法相比具有更好的聚焦精确度．     

用于TOF-SIMS的锆石样品图像自动聚焦算法

为满足现代二次离子质谱仪(SIMS)锆石样品图像自动聚焦系统对聚焦准确度的要求,提出了一种具有自动消除噪声功能的锆石样品图像自动聚焦算法,并将其应用于飞行时间二次离子质谱仪(TOF-SIMS)。该算法包括锆石图像识别分割法、分段式聚焦算法和调焦控制策略。在聚焦远峰区,采用Roberts算子的聚焦评价函数及差分累加的调焦控制策略进行粗调;在聚焦近峰区,捕捉图像中的锆石目标进行识别分割,采用局部坐标算子的聚焦评价函数与爬山法相结合的调焦控制策略进行聚焦细调。实验结果表明:该算法聚焦准确率达99%,可有效抑制噪声干扰,实现了对锆石样品图像的自动、准确聚焦。     

一种显微镜自动聚焦算法

传统的自动聚焦算法时间复杂度高,计算现在的高清图像速度慢,导致聚焦效率低下。针对这一问题提出了一种新的聚焦方法。该方法在分析灰度值与图像清晰度之间关系的基础上,提出了灰度非零值统计函数和低灰度值统计函数来评价聚焦清晰度,具有运算量小,评价准确的优点。然后采用两种评价函数结合的方式实现了一种变步爬山搜索策略。该策略在远焦点位置采用灰度零值比较评价函数和大步长快速粗略搜索焦点,在近焦点位置采用低灰度值统计函数和小补偿精细搜索焦点。实验表明,所提出的方法在聚焦效率和清晰度两个方面都优于目前的方法。     

一种基于图像处理的二次聚焦算法

如何快速、准确地实现聚焦一直是自动聚焦技术的主要研究内容,其中关键问题是选取正确的评价函数。传统聚焦评价函数在应用于深度离焦情况时存在一些诸如聚焦失败、有效聚焦区域内精度不够等问题。针对这些问题,为了提高自动聚焦的稳定性、快速性、准确性,阐述了一种在现有聚焦算法的基础上改进的基于图像处理的二次聚焦的算法。第一次聚焦选取中心范围内部分区域的图像数据,采用改进的自动阈值方差函数算法来完成快速聚焦。第二次聚焦选取包含第一部分的倒T字形区域图像数据,采用Robert梯度-阈值形式进行精确聚焦。验证结果表明,改进的二次自动聚焦算法在稳定性、速度和精确度方面都有较好的效果,特别是在深度离焦时聚焦效果最为显著。     

基于多尺度马尔科夫随机场融合的遥感图像变化检测

在区域变化检测中,为了克服配准误差或噪声引起的伪变化,从多尺度融合的角度出发,对多尺度分析应用于遥感图像变化检测进行了探讨.首先利用小波变换对原始图像进行多尺度分解,然后利用马氏距离判决函数对不同尺度图像进行变化检测,最后利用马尔科夫随机场将不同尺度变化检测结果进行融合.由于马尔科夫随机场融合方法充分考虑了相邻像素间的相关性和不同尺度检测结果的联系,从而使融合结果更细致和精确.一系列图像的实验结果证明本方法具有很好的实用性和鲁棒性.     

基于低频边缘特征和能量的多聚焦图像融合方法

针对多聚焦图像融合问题,提出一种基于低频边缘特征和能量的多聚焦小波图像融合方法.首先对待融合图像进行小波多尺度分解,然后对高频细节分量图像按区域能量最大化原则进行融合,对低频近似分量图像采用能量结合边缘特征的融合方法.试验结果表明,与已有的低频域平均法相比,该方法所得的融合图像能反映更丰富的细节信息,具有更好的视觉效果.     

基于伪极傅里叶变换和ROA融合的SAR图像边缘检测算法

提出了基于伪极傅里叶变换和融合的SAR图像边缘检测算法.首先采用伪极傅里叶变换提取较弱的图像边缘特征,并利用Ratio边缘检测算法抑制相干斑噪声对SAR图像边缘特征的影响.然后利用两种算法所得到系数的幅值、方向和角度信息构建置信指派函数,引入D-S证据理论实现两种边缘检测算法的最优融合,获取了SAR图像最佳的边缘特征.仿真结果表明,该算法所提取的边缘特征完整、定位准确.     

非下采样Contourlet变换耦合区域特性的多聚焦图像融合算法

为提高图像融合质量,较好地保留原始图像的光谱特性,避免融合图像光谱退化,提出非下采样Contourlet变换耦合区域特性多聚焦图像融合算法。采用非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)对图像进行多尺度精细分解,获取图像多层次分解子带;利用分割块区域能量函数,构造区域能量度量模型,获取区域能量相似系数,判定低频子带对应的加权系数,完成图像低频子带的融合。根据分割高频子带时形成的行列特征,形成区域锐度模型,获取高频子带分割块中的区域锐度值,利用该锐度值建立分割块判定函数,完成高频子带的融合。最后,采用非下采样Contourlet变换的逆变换得到融合图像。结果表明,与已有图像融合算法相比,本文图像融合算法融合质量更好。