基于分数阶微分的多尺度多聚焦图像融合

针对多聚焦图像融合问题,借鉴多尺度融合方法对各个尺度的互补信息进行针对性融合.首先,运用L0梯度最小化的平滑方法将源图像分解为背景层和细节层,然后在背景层的融合中运用分数阶边缘检测掩模保持边缘信息,在细节层中引入分数阶梯度能量算子进行权值分配.实验结果表明,与整数阶梯度能量清晰度算子相比,本文所提出的分数阶梯度能量算子...     

基于区域能量的多聚焦图像融合算法

针对同一场景两幅严格配准的多聚焦图像的融合问题,设计了一种基于区域能量的多聚集图像融合算法。该算法利用金字塔变换得到图像的多分辨序列,采用基于区域能量的融合方法,在图像的相应层次序列的各级金字塔图像上进行融合,以获取最终的融合图像。从目视效果来看,采用本文算法进行图像融合,能够将两幅多聚焦图像融合成一幅比较清晰的单一聚焦图像。实验结果表明,本文算法与同类其它算法相比较,熵提高了0.01%～4.4%,交叉熵降低了52.93%～95.77%,互信息提高了3.13%～26.55%。     

多尺度特征的深度学习及在多聚焦图像融合上的应用

【目的】多聚焦图像融合指的是从同一场景下不同的图像中提取各自的聚焦区域,得到一幅全聚焦的图像,是近些年来图像处理领域一个热门的研究方向。传统的图像融合技术存在融合区域不清晰、失真、存在伪影等情况。针对这一现象,提出了一种基于深度学习的图像融合方法。【方法】所提算法整体使用了孪生网络来对图像中的聚焦区域进行分类,同时还引入了GoogLeNet中的Inception模块来提高网络的特征提取能力,取得了良好的性能。为了充分利用源图像中的特征信息,提出的算法中使用了不同大小的子块来提取源图像中不同尺度的特征信息,获得源图像多个尺度的特征。此外,提出的方法获得的二值图能够精确反映出源图像的聚焦区域和非聚焦区域,因此不需要应用后处理步骤来对二值图进行优化,降低了网络的复杂度。【结果】在Lytro多聚焦图像集和其他常用的多聚焦灰度图像集上的实验结果表明：相比于其他经典算法,提出算法的融合结果从主观和客观两个维度上都拥有显著的优势。【结论】提出的算法很好地融合了源图像中的细节特征,融合边缘自然平滑、无伪影产生,取得了较传统算法更好的融合效果。     

基于跨尺度随机游走的立体匹配算法

传统的立体匹配算法大都基于两幅图像像素点或者局部块的对应性,在单一尺度下求取视差图,但这不能很好地建模低纹理及重复纹理区域的对应关系,致使获得的视差图精度有限。为了改善上述问题,考虑到人眼视觉系统在不同尺度上处理所接收到的视觉信号,提出了跨尺度的重启动与随机游走算法。首先计算场景图像的匹配代价,其次利用超像素分割进行快速初始聚合,然后使用重启动与随机游走算法对其进行全局上的优化,最后采用跨尺度模型实现匹配代价的有效融合更新,继而获取场景图像的视差图。在Middlebury数据集上的实验仿真结果表明,相较于传统的跨尺度立体匹配算法,该算法能够有效地将场景图像在所有区域及非遮挡区域的加权平均误匹配率分别降低1个百分点和3个百分点,获得高精度的视差图。     

基于差异演化的多聚焦图像融合算法

多聚焦图像融合就是综合和处理多个源图像的信息,来获取对同一场景或物体的更为准确、更为全面、更为可靠的图像描述.对于可见光成像系统而言,特别是含有长焦距的光学镜头,对景深有一定的限制.因此,将场景中的所有物体都成像清晰是很难的,这个问题采用多聚焦图像融合技术可以很好解决.通过提出一种基于差异演化的多聚焦图像融合算法,首先将源图像进行分块,然后用清晰度评价函数比较对应图像块的清晰度,选择清晰度高的作为清晰图像块,最终重构融合图像.该方法的积极意义在于,优化后的图像块比没被优化的使用效果更佳.实验结果表明,从定量和视觉两方面评价,都明显优于遗传算法和其他传统的图像融合方法.     

融合灰度和梯度方向信息的随机游走的图像分割

针对传统图像分割方法在处理梯度变化较大的图像中存在的缺陷,以随机游走算法为基础,在原始的像素的灰度信息的基础上,融合了像素间的梯度差信息作为图网络的权重,以更好地描述像素与其相邻像素间的关系,通过用户指定的种子点信息,借助于电路模拟以及线性方程的系统,使得随机游走者从每个非种子点沿着最大概率的边逐渐走向正确的标记点(目标点或背景点)即为其最可能属于的区域,从而最终实现图像的分割.实验结果表明,方法适合于梯度变化较大的图像,不仅保留了原有算法抗噪声的优势,而且运算效率较高,是一种有效的图像分割方法.     

一种基于图像块分割的多聚焦图像融合方法

针对多聚焦图像，提出了一种基于图像块分割的图像融合方法，采用块区域局部对比度将多聚焦图像分割成三部分：聚焦清晰区域、聚焦模糊区域以及两者之间的边界区域，对于清晰区域和模糊区域，直接选取清晰块区域作为融合后相应块区域；对于边界区域，建立了基于对比度的像素选取方法进行融合处理，实验对比结果表明，该方法明显优于拉普拉斯金字塔融合算法和离散小波变换融合算法。     

基于块同化的空间频率多聚焦图像融合算法研究

本文阐述了一种基于块同化的空间频率多聚焦图像融合算法,对现有的多聚焦图像在空间频率上的融合算法进行了改进。首先对多聚焦图像在对应位置上计算出每个像素的空间频率,由空间频率来计算出它对融合图像的权值,进而决定选取某个源图的像素作为融合后的对应位置的像素,再对融合后的图像采用窗口同化的方法,达到滤波作用,减少偶然误差。通过仿真验证了该方案的有效性,结果表明该方法得到的融合图像优于传统的多聚焦图像融合方法。     

基于小波变换的多聚焦图像融合

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。本文首先探讨了多聚焦图像融合的概念和一般融合方法,然后论述了图像的小波分解原理,最后给出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。     

基于显著性保持的多聚焦图像融合

提出一种基于显著性保持的多聚焦图像融合方法.该方法首先利用显著性评测函数计算源图像的显著性特征,然后利用显著性系数构建融合图像的目标梯度,最后迭代求解得到融合图像.同时研究了利用显著性特征融合彩色图像中的色调和饱和度分量.多聚焦图像上的实验结果表明该算法相比较其他算法具有更好的融合效果.     

基于离散多小波变换的多聚焦图像融合方法

多小波是小波理论的扩展,多小波变换能够为图像分析提供一种比小波多分辨率更加精细的方法。利用多小波将两幅图像进行融合后得到的融合图像,能够很好地将原图像的细节融合在一起。在研究离散多小波图像分析法基础上,提出了一种基于离散多小波变换的多聚焦图像融合方法。试验结果表明,该方法能够很好地解决多聚焦图像融合问题,具有良好的融合特性,得到的融合图像效果优于传统图像融合方法。     

应用于图像融合中的多尺度对比度调制法

利用金辽塔结构,将输入的多通道图像在不同频段上进行分解,得到待融合图像的对比度金字塔,然后对比度金字塔的相应级上进行相行相互调制,得到融合图像的对比度金字塔,最后利用金字塔算法恢复出融合图像。实验了基于调制原理和对比度金字塔的多尺度对比度调制融合算法。     

自适应随机游走图像分割算法

传统的随机游走算法图像信息描述单一,目标轮廓易受背景干扰;针对这一问题,提出一种自适应随机游走图像分割算法.算法首先建立了一种基于纹理相似性的权函数表达式,借助Gabor能量滤波器,首次将纹理特征引入到随机游走算法中,来突出图像的结构信息;其次,为了更加准确地计算节点间的连接权值,算法还提出一种自适应权值计算方法,根据图像边缘密度,自适应地计算纹理和灰度特征在权函数中所占的权重.最后应用狄利克雷边界条件,实现图像分割.实验结果表明,所提算法更好地刻画了图像的结构信息;与传统方法相比,具有更好的适用性和分割准确性.     

基于方差分析特征检测的多聚焦图像融合方法

由于光学CCD传感器深度特性的限制,不可能得到一幅场景的全聚焦图像.为了克服这一缺陷,很多学者在这方面作出了研究,到目前为止,一种较好的方法是将多幅多聚焦图像通过某种融合策略汇总成为一幅图像,该幅图像充分表现场景各个位置的全聚焦信息.提出一种基于方差分析方法的多聚焦图像融合算法,对每一幅聚焦图像,求取每一个像素点的方差分析对比度函数.融合过程是根据这一对比度系数确定融合策略,得出融合结果图像.实验结果表明,该算法显示了融合性能的有效性.     

基于区域特性的Contourlet域多聚焦图像融合算法

利用Contourlet变换的多尺度、局部化、方向性和各向异性等优点，提出了一种基于区域特性的Contourlet域多聚焦图像融合算法．该算法将源图像分解至Contourlet变换域，在不同尺度、不同方向的子带中结合区域特性进行图像融合，低频和高频子带中分别采用区域方差和区域能量作为融合规则，最后通过反变换得到融合图像．实验结果表明，所提出的算法能够更好地提取原始图像特征，融合后的图像具有更好的主观视觉效果，与经典的梯度金字塔算法和小波变换算法相比，新算法的均方误差最大值仅为前二者的34．8％和42．6％．     

基于区域分割和引导滤波的多聚焦图像融合

针对多聚焦图像可能出现局部配准不理想的情况,提出了一种基于区域分割和图像引导滤波的失配准鲁棒多聚焦图像融合算法. 首先通过构造基于结构张量的聚焦评价函数,对每幅输入图像进行聚焦度评价;然后建立包含图像聚焦度的全局能量函数,并通过Graph Cut算法分割出每幅图像的聚焦区域;最后利用图像引导滤波对每个聚焦区域进行细化得到每幅图像的融合权重,在梯度域上进行图像复原得到融合图像. 实验结果表明,该方法不仅可以在多聚焦图像失配准的情况下进行图像融合,而且有效地保持了图像的边缘,在主客观评价指标上均有较大的提升.      

基于NSCT变换的多聚焦图像融合

近年来,图像融合研究发展迅速,已成为图像处理中一个重要的分支。图像融合是图像处理中重要应用部分,常用于多源传感器图像融合。本文研究了基于NSCT变换的多源图像融合。并与小波变换,contourlet变换进行了参数评价分析。分析表明利用NSCT变换比小波变换,contourlet变换得到的结果更优。     

基于小波系数矩阵二阶矩和多尺度小波分析的图像融合算法

图像融合是信息处理在图像领域中的一个重要应用.在引入多尺度小波分析的基础上,通过对图像各个部分进行多尺度小波分解,建立小波系数矩阵二阶矩以标志对应相关部分的图像信息的清晰度,并通过图像信息熵以标志图像信息量.通过特定选择机制进行小波逆向分解与图像重建,最终获得符合信息处理要求的清晰融合结果.编程实验证明了本方法的有效性和可行性,使芯片图像的细节和缺陷等能够得到很好的展现.     

基于双树复小波变换的多聚焦图像融合

针对离散小波变换图像融合算法在特征表达上存在的不足,采用双树复小波变换对多聚焦图像进行多分辨率分解与重构,并应用基于局部区域能量加权选择的融合策略。融合效果评价使用熵等传统的方法外,还使用了通用的主观与客观相结合的方法。实验证明,该方法得到的融合图像效果较好。