基于SML和PCNN的NSCT域多聚焦图像融合

针对融合规则带来的虚假边缘、伪影等问题,提出了改进拉普拉斯能量和(Sum-modified Laplacian,SML)和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)相结合的非下采样Contourlet变换(Non-Sampled Con-tourlet Transform,NSCT)域融合方法。首先,采用NSCT将每幅源图像分解成包含基本信息的低频子带图像和多幅包含细节信息的带通子带图像。然后,计算各尺度分解图像的SML值,根据值的大小对低频子带图像各像素点进行像素选择。对于带通子带部分,将计算的SML作为PCNN的输入激励,PCNN输出的点火映射图用来选择各子带图像的像素值。最后,将处理后的各子带系数进行NSCT重构得到融合图像。实验结果表明,此算法能很好地改善融合图像的聚焦清晰度,并且与现有的SIDWT,DTCWT,NSCT以及基于PCNN的融合方法相比,所提算法在互信息量、结构相似度以及边缘信息保留量等客观指标方面得到了提高。     

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。     

基于非下采样Shearlet变换与聚焦区域检测的多聚焦图像融合算法

为了提高基于多尺度变换的多聚焦图像融合中聚焦区域的准确性,提出了一种基于非下采样Shearlet变换(NSST)与聚焦区域检测的多聚焦图像融合算法。首先,通过基于非下采样Shearlet变换的融合方法得到初始融合图像;其次,将初始融合图像与源多聚焦图像作比较,得到初始聚焦区域;接着,利用形态学开闭运算对初始聚焦区域进行修正;最后,在修正的聚焦区域上通过改进的脉冲耦合神经网络(IPCNN)获得融合图像。与经典的基于小波变换、Shearlet变换的融合方法以及当前流行的基于NSST和脉冲耦合神经网络(PCNN)的融合方法相比,所提算法在客观评价指标互信息(MI)、空间频率和转移的边缘信息上均有明显的提高。实验结果表明,所提出的算法能更准确地识别出源图像中的聚焦区域,能从源图像中提取出更多的清晰信息到融合图像。     

基于小波包变换的多聚焦图像融合

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。在分析了小波包变换的概念和原理后,提出了一种基于区域统计融合规则的小波包变换多聚焦图像融合方法,先对不同聚焦图像分别进行小波包变换,采用低频系数取平均,高频系数根据区域统计值决定的融合规则,再进行小波包反变换得到融合结果。仿真试验表明,相比小波变换法,本文方法可有效综合多聚焦图像,获得了更好的融合效果。     

基于二次融合多特征的多聚焦图像融合

以多聚焦图像为研究对象,提出一种新的基于二次融合多特征的融合方法.利用模糊C-均值聚类算法(FCM)在多特征形成的特征空间上对图像区域分割,并在此基础上执行多尺度小波分解.然后,获取源图像区域特征矩阵,经过二维主成分分析(2DPCA)变换后进行特征融合,根据融合后的特征计算区域中每个窗体的特征隶属度.引入模糊指标判断区域中窗体的模糊性,应用模糊熵和窗体能量获得加权因子,从而得到融合图像的小波系数,利用小波逆变换得到融合图像.     

一种基于RPCA的图像聚焦区域检测方法

阁像聚焦区域检测是图像融合、计算机视觉等领域中的一个重要研究方向．聚焦区域属于图像中的显著性区域,仉人部分娩著性区域愉测算法在提取图像聚焦区域是存在一定的问题,不能进行准确分辨和提取．针对现有方法的不足,该文利用近来受到广泛关注的RPCA（Robust Principal Component Analysis）分解技术,提取出能有效表征图像聚焦区域的稀疏特征矩阵,并结合多区域图像分割技术获得聚焦区域．实验结果证明了该文所提方法存获取聚焦区域上的有效性,此外,该文指出基于RPCA的图像分解技术有着广泛的用途．     

基于多聚焦图像融合的小孔内表面缺陷检测

针对传统直径3 mm以下小孔内表面缺陷检测缺乏有效检测方法的问题,提出了一种新的基于显微光学与多聚焦图像融合的小孔内表面缺陷检测方法。首先在不同光照环境下,呈斜入射方式沿小孔轴线方向依次采集单侧孔壁的序列图像;然后通过前景光照下得到的掩膜模板提取孔壁图像的感兴趣区域（ROI）,并运用快速鲁棒性特征（SURF）算法实现ROI配准;进而采用基于区域清晰度的小波图像融合方法实现ROI多聚焦图像融合;最后以直径2 mm喷丝板导孔为实验对象,采用阈值分割算法提取导孔内表面的溶蚀斑进行检测分析。实验结果表明,该方法具有一定的可行性,避免了传统人工检测方法效率低的问题,同时打破了传统直径3 mm以下的小孔内表面检测方法不再适用的局限性。     

多聚焦图像融合新算法

提出一种基于限邻域经验模式分解(NLEMD)的多聚焦图像融合算法。该算法利用NLEMD的自适应特性及高频细节信息的较强获取能力,通过对不同图像对应的内蕴模式函数分量IMF中的像素按照局部最大能量,即最优的原则进行选取,然后将融合后的内蕴模式函数分量和剩余量反向重构获取融合图像。实验结果表明,该算法具有更强的细节获取能力,融合效果优于传统的基于小波分解的融合算法。     

基于图像分解和稀疏表示的多聚焦图像融合

针对多聚焦图像融合中缺乏细节保护和结构不连续的不足,提出了一种基于图像分解的多聚焦图像融合算法.首先,源图像采用卡通纹理图像分解得到卡通部分和纹理部分;其次,卡通部分采用卷积稀疏表示的方法进行融合,纹理部分采用字典学习进行融合;最后,将卡通和纹理部分融合得到融合图像.实验建立在标准的融合数据集中,并与传统和最近的融合方法进行比较.实验结果证明,该算法所获得的融合结果在方差和信息熵上具有更好的表现,该算法能够有效克服多聚焦图像融合中缺乏细节保护和结构不连续的缺点,同时有更好的视觉效果.     

基于自动聚焦算法的多聚焦图像融合

在分析了多聚焦图像特点的基础上, 将镜头自动聚焦算法移植到多聚集图像融合问题的研究中, 并加以改进, 其主要思想是: 以高频分量作为图像清晰度的判据, 寻求多聚焦图像的聚焦区域, 将其直接移植到融合图像中; 而对于一个焦点到另一焦点的过渡区域, 对其用取最大特征的融合算子进行处理。实验表明, 该算法是原图像特征的最佳近似, 优于小波分解的融合算法。     

多聚焦图像区域能量框架融合算法

在基于小波变换多聚焦图像融合算法中,由于融合图像中相邻像素点之间的不一致使融合图像质量大为降低。应用变换域的融合规则,以小波变换系数提取区域能量为特征值,并根据全局匹配度来决策融合规则,提出了能量框架融合算法,对小波各分量的来源进行一致性检测,使融合图像的小波分解系数更精确地应用于融合图像重构,并对此算法进行了仿真实验,通过对评价指标的分析比较,结果显示此算法图像融合效果优于加权平均、灰度值取大和区域能量算法。     

焦点区域的检测实现多聚焦图像融合

针对传统像素级图像融合方法割裂像素间联系的问题,提出一种基于区域检测的图像融合方法。首先,通过像素点在其邻域内的方差来区分是清晰点还是模糊点,其次,以当前像素为中心的浮动窗口统计相应窗口区域的清晰点数,消除清晰点数少的中心像素,以同样的方式统计局部窗口区域的清晰点数,清晰点数多的中心像素点设置成清晰点,由此得到清晰区域,最后,通过检测出的区域结果进行图像融合。实验结果表明提出的方法是有效的。     

基于背景图像集与稀疏分析的运动目标检测

组视频序列中得到系列背景图像,组合这些背景图像为背景集合。以图像块为基本单元,基于稀疏表示方法对图像块分析处理,提取运动目标。实验仿真表明该方法能够在环境光照突变时,有效消除噪声对目标检测的影响,降低目标检测的误检率,达到较为鲁棒的检测效果。     

一种基于小波变换的多聚焦图像融合方法

提出了一种改进的基于小波变换的多聚焦图像融合方法。该方法采用小波变换对源图像进行多尺度分解,得到高频和低频图像;对高频分量采用基于邻域方差加权平均的方法得到高频融合系数,对低频分量采用基于局部区域梯度信息的方法得到低频融合系数;进行小波反变换得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该方法与传统融合方法的融合效果进行了比较。实验结果表明,该方法所得融合图像的效果和质量均有明显提高。     

基于第二代Bandelet和区域特性的多聚焦图像融合算法

提出了一种能充分利用第二代Bandelet变换自适应捕获图像边缘的能力,并基于区域特性进行融合的多聚焦图像融合新算法。首先将源图像分解至Bandelet变换域,然后结合区域特性进行融合处理：对几何流,采用绝对值最大的融合规则;对Bandelet系数矩阵采用区域方差的融合规则,最后通过Bandelet逆变换得到融合图像。实验结果表明,所提出的新算法能够更好地提取参与融合的原始图像的基本特征进行融合处理,融合效果在主观视觉效果和客观性能指标两方面都较经典的拉普拉斯金字塔算法和小波变换算法更具优势,尤其是对纹理及边缘信息明显的源图像,融合结果优势更加明显。     

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。     

Multi-focus image fusion based on sparse decomposition and background detection

The goal of image fusion is to accurately and comprehensively describe complementary information of multiple source images in a new scene. Traditional fusion methods are easy to produce side-effects which cause artifacts and blurred edges. To solve these problems, a novel fusion algorithm based on robust principal component analysis (RPCA) and guided filter is proposed. The guided filter can preserve the edges effectively, which is often used to enhance the images without distort the details. Considering edges and flat area are treated differently by the guided filter, in this paper, sparse component of the source image is filtered by the guided filter to generate the enhanced image which contains the preserved edges and the enhanced background. And then the focused regions of the source images are detected by spatial frequency map of the difference images between the enhanced image and the corresponding source image. Finally, morphological algorithm is used to obtain precise fusion decision map. Experimental results show that the proposed method improves the fusion performance obviously which outperforms the current fusion methods.     

基于小波变换的多聚焦图像融合算法

针对基于小波变换的多聚焦图像融合算法,改进融合规则和融合算子,低频分量采用以相关系数作为阈值的加权平均算法,高频分量采用基于区域特征的融合算法,并对最佳分解层数与最佳小波基的选取进行优化验证。通过对实验结果的分析,选用bior4.4小波,进行最佳分解层数小波分解,并应用改进的融合规则,在融合多聚焦图像的效果上,与其他多种融合算法相比,各项评价指标都比较理想。     

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。