基于快速清晰度估计的多聚焦图像融合

为了准确地估计源图像的清晰区域,提高多聚焦图像融合的效率,本文提出了一种新的基于清晰度估计的图像融合方法。首先,利用基于离散小波的清晰度估计方法获取源图像的聚焦区域,然后使用均值滤波和空洞填充进一步优化该聚焦区域,最后结合清晰度估计和相似性特性,将不同聚焦区域合并生成融合图像。该方法获得的融合图像在客观评价和主观质量上都优于以往基于清晰度的图像融合方法。     

基于清晰度和非下采样多聚焦图像融合

根据多聚焦图像的特点提出一种基于清晰度的NSCT图像融合算法。在清晰的区域,低频系数和高频系数全部采用清晰区域的系数,而从清晰到模糊过渡的区域,低频系数则取区域方差值最大,高频子带系数取区域能量值最大。该算法与梯度金字塔算法、小波融合算法和Contourlet融合算法进行比较,实验结果证明该方法融合后的图像与源图像具有最小均方差。     

基于区域锐度的多聚焦图像融合

为了获得同一场景内所有物体都清晰的图像,提出一种新的多聚焦图像融合算法。把待融合图像进行分块,构造融合块的清晰度评价函数（区域锐度）,根据其区域锐度值,判断融合块应取自哪幅源图像。采用投票选举的方法对融合图像进行一致性校验,对相邻但来自不同聚焦图像的融合块进行加权融合。实验结果证明,与基于小波分解的融合算法相比,该算法速度快、效果好。     

一种新的基于小波变换的多聚焦图像融合算法

提出了一种基于小波变换的多聚焦图像融合算法（简记为WMFFA）。首先综合源图像求得参照图像,并对源图像和参照图像分别做小波变换,将其分解成低频和高频图像,然后求出源图像的每个小波系数与参照图像中对应位置上的小波系数之间的距离,按照距离特征从源图像中选取小波系数,组成融合后的小波系数并进行小波反变换,得到融合图像。对提出的融合算法性能进行了评价与分析,结果表明提出的算法对多聚焦图像融合是有效的。     

一种多聚焦图像融合方法

提出一种基于小波变换的多聚焦图像融合方法．该方法首先通过小波变换得到源图像的小波系数，然后对低频和高频分量采用不同的融合规则和融合算子构造融合图像的小波系数，最后基于一致性检测由高低频融合系数得到最终的融合结果．用两组源图像数据验证所提出的融合算法，并与其他融合算法进行比较，仿真结果表明该算法在多聚焦图像融合中优于其他方法．     

一种新的多聚焦图像融合算法

提出了一种基于小波-Contourlet变换的多聚焦图像融合算法;该算法首先采用小波-Contourlet变换对源图像进行多尺度分解,得到高频和低频图像;接着根据高、低频分量各自的区域特性,采用不同的融合规则进行处理,得到小波-Contourlet变换域的融合系数,最后通过反变换得到融合图像;采用信息熵、标准差和互信息3个评价标准,将该算法和传统的小波算法和Contourlet算法的融合结果进行了比较;实验结果表明,该算法获得的评价指标都优于其它算法,且融合图像较好地从源图像中提取了有用信息,提高了融合质量.     

基于图像抠图技术的多聚焦图像融合方法

针对多聚焦图像融合容易出现信息丢失、块效应明显等问题,提出了一种新的基于图像抠图技术的多聚焦图像融合算法。首先,通过聚焦检测获得源图像的聚焦信息,并根据所有源图像的聚焦信息生成融合图像的三分图,即前景、背景和未知区域;然后,利用图像抠图技术,根据三分图获得每一幅源图像的精确聚焦区域;最后,将这些聚焦区域结合起来构成融合图像的前景和背景,并根据抠图算法得到的确定前景、背景对未知区域进行最优融合,增强融合图像前景、背景与未知区域相邻像素之间的联系,实现图像融合。实验结果表明,与传统算法相比,所提算法在客观评价方面能获得更高的互信息量（MI）和边缘保持度,在主观评价方面能有效抑制块明显效应,得到更优的视觉效果。该算法可以应用到目标识别、计算机视觉等领域,以期得到更优的融合效果。     

基于二次成像与清晰度差异的多聚焦图像融合

本文提出了一种基于清晰度差异的不同聚焦点图像的融合方法。该方法首先选择了一种基于梯度向量模方和的清晰度定义,然后根据几何光学系统的成像模型,以及点扩散函数的作用效果提出了模拟光学系统的二次成像模型。然后根据二次成像前后各图像清晰度的差异情况,对各幅图像中的目标进行判断,并选择其中的清晰部分生成融合图像。实验结果表明,该方法可以提取出多聚焦图像中的清晰目标,生成的融合图像效果优于Laplacian塔型方法和小波变换方法。     

基于有理三次样条的数字图像融合方法

针对多聚焦图像融合,从人眼视觉对比度以及多聚焦图像清晰与模糊像素之间的边界点出发,提出一种基于有理三次样条的图象融合算法。将多聚焦图像划成三个区域:清晰区域、模糊区域和边界区域。在边界区域,利用有理三次样条函数构造权函数,并以边界区域像素为中心,用清晰区域的像素和模糊区域像素做加权组合,计算边界区域像素的灰度值。经实验验证,提出的图像融合方法具有较强的灵活性和可靠性,具有较好的融合效果。     

基于相对清晰度的多焦距图像融合算法

针对现有图像域融合算法难以合理度量区域清晰度,导致融合结果出现"振铃"现象的问题,提出一种基于图像区域相对清晰度的多焦距图像融合算法.该算法定义了图像区域的相对清晰度判定指标,并根据多焦距图像像素邻域的相对清晰度来逐个选取聚焦清晰的像素点从而构成融合图像.实验表明,所提算法能取得优于其它算法的融合效果;特别是,它能较好保留源图像包含的细节信息,从而显著减弱融合结果中的"振铃"现象.     

基于非抽样Contourlet变换的多聚焦图像融合算法

文中研究了非抽样Contourlet变换（NSCT）的原理,以及其多尺度、局部化、方向性和各向异性等优点。提出了一种基于NSCT的多聚焦图像融合新算法。本算法将多聚焦图像进行NSCT分解,不同子带采用不同的融合规则,低频子带采用新的基于灰度形态学梯度算子的融合算法,并做一致性检测,带通子带采用基于区域能量的融合算法。最后将融合得到的系数进行NSCT反变换得到融合图像。实验结果表明,与其他融合算法相比较,该算法可以更有效地保留源图像信息和细节特征。     

基于可协调经验小波变换的多聚焦图像融合

提出了可协调经验小波变换,并将其应用于多聚焦图像融合。经验小波变换（EWT）是一种自适应信号分解方法,具有比经验模态分解和传统小波分解更好的特性。其核心思想是通过构造自适应的滤波器实现对信号的自适应分解。但是若直接对两幅多聚焦图像分别进行EWT分解,因各自生成的经验小波互不相关,将出现分解所得对应子带不匹配的情况,影响融合图像的质量。针对这一问题,提出了一种可协调的经验小波变换（C-EWT）,C-EWT分解下的两个多聚焦图像的对应子带是完全匹配的。基于此,利用C-EWT提出了一种新的多聚焦图像融合算法。每幅源图像经过C-EWT分解后,得到一个低频分量和多个高频分量; 对低频分量采用基于改进Laplacian能量和的阈值匹配选择与加权规则进行融合,对高频分量则采用局部Log-Gabor能量取大的融合规则;将融合之后的各子带分量进行重构得到融合图像。仿真实验表明：与其他六种融合算法相比,所提算法在融合聚焦区域、保留边缘和细节信息方面具有优势,融合图像具有更好的视觉效果,且客观评价指标与标准图像最为接近。     

基于超分辨率的多聚焦图像融合算法研究

针对传统小波变换在图像融合过程中出现边缘模糊、图像失真等问题,提出了一种基于超分辨率的多聚焦图像融合算法。对所有的源图像进行了双三次插值的单帧超分辨率处理,增强源图像对比度等细节信息,采用的源图像为分别进行左右聚焦处理的同一场景中的两幅图像。对这些高分辨率源图像实现了平稳小波变换（SWT）,并将源图像划分为四个子带。针对这些子带所包含源图像细节信息混乱、结构信息冗余等问题,采用了主成分分析（PCA）,分别选取源图像各子带的最大信噪比进行图像融合。利用逆平稳小波变换（ISWT）对融合子带进行重构,得到高质量融合图像。为了评定融合后图像的质量,选择了无参考图像和全参考图像的两种度量方法来检测融合后的图像质量。经实验结果表明,提出的算法克服了传统小波变换算法在图像融合上的缺点,具有边缘清晰、视觉感知好、清晰度好、失真小等优点。     

基于小波变换和引导滤波的多聚焦图像融合

为了进一步提高多聚焦图像融合效果,提出了一种基于小变换和引导滤波的多聚焦图像融合方法。对源图像进行二维小波分解,得到低频子带系数和高频子带系数。对低频子带系数采用引导滤波加权融合;对高频子带系数引入最大对称环绕显著性检测算法(Maximum Symmetric Surround Saliency Detection Algorithm,MSSS),归一化显著图得到权重图,进而进行加权融合。把得到的高频和低频子带系数进行小波重构,得到最终的融合图像。实验结果表明,与其他算法相比,所提算法具有更好的清晰度,得到较好的融合结果。     

采用渐进像素提取和形态学检测的多聚焦图像融合

针对某些源图像中局部配准不理想区域易产生人工副效应、块效应或错误提取的问题,经分析配准不理想区域对现有方法的制约,提出了一种融合方法.首先以源图像中清晰的边缘、轮廓为提取依据,以像素点为中心的邻域内高频系数绝对值和为提取条件,采用邻域由小到大渐进增长的策略对清晰像素点进行提取,较好地解决了精确提取与完全提取之间的矛盾;...     

基于小波变换的多聚焦图像融合新算法

针对多聚焦图像,提出了一种新的基于小波变换的图像融合算法.首先将图像进行小波分解,得到低频图像和高频图像,对于低频图像采用基于邻域能量的方法进行融合,高频图像采用基于邻域方差取大的方法进行融合.最后进行小波逆变换,得到最终的融合图像.通过仿真实验验证了算法的有效性,实验结果表明,该算法明显优于传统算法.     

基于Contourlet变换多聚焦图像融合方法

该方法首先提取源图像的亮度分量,采用非下采样Contourlet变换对其进行分解,通过“合成图像像素值取大”准则对高频系数进行处理得到融合决策图,并对其进行一致性校验,最后根据校验后的决策图在RGB空间进行像素点选取,得到融合图像。实验结果表明,本文方法解决了RGB空间融合方法容易导致的颜色失真,同时本方法仅对亮度分量融合,降低运算复杂度。融合图像在保留图像有用信息的同时,弥补了传统空间域方法在细节表现力上的不足,更加符合人类的视觉特征。本文融合方法还用于灰度多聚焦图像融合中,实践证明,融合效果很好。