[发明专利]多聚焦图像融合方法

说明书

技术领域

本发明涉及一种多聚焦图像融合方法，尤其是一种基于增强差分演化方法和扩块选择机制的多聚焦图像融合方法。

背景技术

基于分块的多聚焦图像融合方法充分利用了多聚焦图像的特点，将源图像分别分割成若干个子块，通过判断对应子块在源图像中的特征，将源图像中清晰子块放到融合图像对应位置上，进行重构得到融合图像，此方法中的关键是确定最佳分块的大小和对清晰度相等对应图像块的处理。

利用标准差分演化算法寻找最佳分块大小实现多聚焦图像的融合是目前计算简单、融合效果较好的方法之一。但标准差分演化算法性能低，随着迭代的进行，容易陷入局部收敛，而且随机初始化种群，全局搜索能力低。近几年来也出现很多改进的差分演化算法，一般是改进算法的鲁棒性，收敛速度，局部搜索和全局搜索能力等方面，例如基于混乱局部搜索，改变变异策略，自适应参数的算法等，但以上方法都不同程度存在算法实现繁琐、计算复杂、效率不高等问题。

图像融合过程中清晰度(即适应度)相等对应图像块的处理主要有以下方法，对清晰度相同对应块利用F_i＝(A_i+B_i)/2来选择，但实验证明A_i和B_i对应像素值不一定完全相等，融合图像会改变原图像中的像素值，增强块效应，其次就是随机选择一块，此方法也不合理。

发明内容

本发明的目的是提供一种多聚集图像融合方法，其采用增强差分演化方法在初始化种群时采用区间初始化，能够保证初始化种群中个体间差异较大，提高了全局搜索能力；并且采用种群判断提高了算法的局部搜索能力，从而保证在多聚焦图像融合过程中获得最佳分块大小的图像块。

为了实现上述目的，本发明提供了一种多聚焦图像融合方法，其特征在于包括以下步骤：

S1、获取P张多聚焦图像，且每张多聚焦图像的图像大小为M像素×N像素，采用增强差分演化方法求取所述多聚焦图像的最佳分块大小：设定初始化种群由K个个体组成，个体为二维变量且表示为X_i，G＝(X_1，i，G，X_2，i，G)，其中X_i，G表示第G代种群中第i个个体，X_1，i，G表示第G代种群中第i个个体的第一维变量，X_2，i，G表示第G代种群中第i个个体的第二维变量，1≤i≤K，i、K均为整数，并且设定种群的变异因子F、交叉率CR以及迭代次数t的最大值N，其中所述变异因子F的取值范围为(0，2)，所述交叉率CR的取值范围为[0，1]，初始化迭代次数为0；