[發(fā)明專利]一種基于深度信息提取的多聚焦圖像融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410298036.2
• 申請(qǐng)日: 2014-06-26
• 公開(kāi)（公告）號(hào): CN104036481B
• 公開(kāi)（公告）日: 2017-02-15
• 發(fā)明（設(shè)計(jì)）人: 肖進(jìn)勝;錢超;鄒白昱;洪羽萌;涂超平;杜康華;鄢煜塵
• 申請(qǐng)（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06T5/50
• 分類號(hào): G06T5/50;G06T3/40;G06T7/00
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙)42222
• 代理人: 魯力

技術(shù)領(lǐng)域

本發(fā)明涉及一種多聚焦圖像融合方法，尤其是涉及一種基于深度信息提取的多聚焦圖像融合方法。

背景技術(shù)

光學(xué)鏡頭在進(jìn)行光學(xué)成像的過(guò)程中，由于光學(xué)成像系統(tǒng)的聚焦范圍有限，會(huì)使處于聚焦區(qū)域外的物體成像模糊.而多聚焦圖像融合能夠?qū)劢箙^(qū)域不同的多個(gè)圖像進(jìn)行融合處理，合成清晰圖像，改善視覺(jué)效果.目前多聚焦圖像融合已在目標(biāo)識(shí)別，顯微成像，軍事作戰(zhàn)，機(jī)器視覺(jué)等領(lǐng)域得到了廣泛應(yīng)用.多聚焦圖像融合的方法主要分為兩類：基于空間域的方法和基于變換域的方法。

基于空間域的方法主要依據(jù)圖像像素的空間特征信息對(duì)圖像進(jìn)行融合處理.由于單像素?zé)o法表示圖像空間特征信息，一般采用分塊的方法，然后計(jì)算出每個(gè)小塊的清晰度，以此來(lái)進(jìn)行圖像融合的處理，該方法對(duì)于區(qū)域細(xì)節(jié)豐富的圖像有較好的處理效果，但是對(duì)平坦區(qū)域的處理容易造成誤判，分塊的大小也難以選擇，計(jì)算量較大，并且會(huì)使圖像邊緣出現(xiàn)不連續(xù)的小塊，產(chǎn)生嚴(yán)重的塊效應(yīng)。

而基于變換域的方法則是將圖像進(jìn)行某種變換，然后進(jìn)行融合處理。基于金字塔變換的多聚焦圖像融合算法是一種經(jīng)典的圖像融合算法，能夠得到不錯(cuò)的融合效果，但是處理過(guò)程復(fù)雜并且容易丟失圖像細(xì)節(jié)信息。小波變換由于其良好的時(shí)域和頻域局部特性以及多分辨特性在圖像融合領(lǐng)域也有廣泛應(yīng)用，但其有限的方向分解性并不能很好的提取出圖像特征。于是，近幾年多尺度幾何分析的方法被人們廣泛應(yīng)用于多聚焦圖像融合領(lǐng)域，如脊波(Ridgelet)，曲線波(Curelet)，輪廓波(Contourlet)，剪切波(Shearlet)等.Ridgelet變換是一種非自適應(yīng)的高維函數(shù)表示方法，對(duì)含直線奇異的多變量函數(shù)能夠達(dá)到最優(yōu)的逼近階；Curvelet變換能夠很好的對(duì)封閉曲線進(jìn)行逼近；Contourlet變換繼承了Curvelet變換的各向異性尺度關(guān)系；Shearlet變換在頻率域上具有緊支撐性，局部特性較好?；陬l域的方法很大程度上可以解決空間域算法中塊效應(yīng)的問(wèn)題，但是它無(wú)法直接提取多聚焦源圖像中的清晰像素點(diǎn)，需要通過(guò)反變換來(lái)進(jìn)行融合圖像的重構(gòu)，對(duì)源清晰圖像的信息保留較少，并且會(huì)因?yàn)槎喑叨认聦?duì)應(yīng)融合系數(shù)的來(lái)源不一致而產(chǎn)生偽Gibbs現(xiàn)象，使處理后的圖像邊緣出現(xiàn)虛假輪廓，紋理等人工效應(yīng)。

發(fā)明內(nèi)容

本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的技術(shù)問(wèn)題；提供了一種能夠消除邊緣的塊效應(yīng)，抑制虛假邊緣等人工副效應(yīng)的產(chǎn)生，盡可能多地保留原始圖像的信息，維持圖像清晰度，提高融合圖像的質(zhì)量的一種基于深度信息提取的多聚焦圖像融合方法。

本發(fā)明的上述技術(shù)問(wèn)題主要是通過(guò)下述技術(shù)方案得以解決的：

一種基于深度信息提取的多聚焦圖像融合方法，其特征在于，包括以下步驟：

步驟1：采集一組多聚焦圖像，該多聚焦圖像是同一場(chǎng)景下分別聚焦于前景、背景的一組多聚焦圖像；

步驟2：利用各向異性熱擴(kuò)散理論建模多聚焦圖像的成像過(guò)程，獲取步驟1中采集的原始的多聚焦圖像的深度信息，該深度信息的提取基于帶有正則化項(xiàng)的能量泛函極值求取，并通過(guò)迭代獲得場(chǎng)景的深度信息；包括以下子步驟：

步驟2.1：獲取拍攝多聚焦圖像的相機(jī)的標(biāo)定參數(shù)，并設(shè)定閾值ε，虛擬時(shí)間Δt，正則化參數(shù)α，步長(zhǎng)β以及迭代次數(shù)Nit；相機(jī)的標(biāo)定參數(shù)包括焦距f，象距v1和v2，鏡頭孔徑D，相機(jī)參數(shù)γ；

步驟2.2：初始化深度信息此時(shí)圖像中每個(gè)點(diǎn)的初始深度值均為此值；其中y是圖像二維坐標(biāo)；

步驟2.3：依據(jù)深度信息，計(jì)算相應(yīng)的擴(kuò)散系數(shù)c(y)和擴(kuò)散區(qū)域Ω+、Ω-；