[发明专利]基于稀疏分解和差分图像的多聚焦图像融合方法

说明书

一种基于稀疏分解和差分图像的多聚焦图像融合方法，其特征在于，利用RPCA分解原始图像得到其稀疏分量和低秩分量，然后通过引导滤波加强稀疏分量的边缘，再将加强的稀疏分量与低秩分量相加构建包含强边缘的加强图像，再将加强图像与原始图像做差分，计算所得差分图像的空间频率，并利用自适应阈值算法得到差分图像的空间频率图，利用形态学算法去除空间频率图中的伪聚焦区域，得到融合决策图，最后根据融合决策图和融合规则重建融合图像。本发明在评价图像融合算法的三项指标相关系数，即边缘梯度信息和边缘相关因子分别高于其他经典算法45％，6％，15％以上。

技术领域

本发明涉及的是一种图像处理领域的技术，具体是一种基于稀疏分解和差分图像的多聚焦图像融合方法。

背景技术

可见光成像系统通过调节光学镜头景深聚焦场景中的目标，无法同时清晰表达复杂场景的全部目标。多聚焦图像融合算法利用原始图像间的互补性，合并多幅原始图像的聚焦区域得到清晰的融合图像，能够更加准确和全面的描述图像中目标或场景，有效提高了原始图像的利用率和可靠性。

图像中的目标通过几何特征表征，以多分辨分析方法为代表的区域特征提取方法虽然能够提取图像的轮廓信息，但容易产生伪Gibbs现象，虚假轮廓等副效应。而多聚焦图像融合算法的核心是精确定位聚焦区域，由于聚焦区域到背景是渐进过渡的，边界不明显，增加了定位聚焦区域的难度。基于多分辨分析的融合方法不能充分提取原始图像间的互补信息，融合图像会表现出对比度下降、目标指示能力减弱、图像模糊等问题。另一方面，由于无法直接提取原始图像的清晰像素，融合图像对原始信息保留较少，融合图像清晰度有不同程度损失。

经过对现有技术的检索发现，中国专利文献号CN102842124A，公开(公告)日2012.12.26，公开了一种基于矩阵低秩分解的多光谱图像和全色图像融合方法，主要解决现有多光谱图像和全色图像融合中高光谱分辨率信息丢失的问题。其实现步骤为：1)对输入已配准的4幅多光谱图像进行插值使其与全色图像具有相同的像素；2)将插值后多光谱图像全部拉成列按照顺序依次堆叠构成大数据矩阵；3)利用矩阵低秩分解算法对大数据矩阵分解得到低秩矩阵和稀疏矩阵；4)利用标准主成分分析融合算法对低秩矩阵和全色图像进行融合得到初步的粗略融合结果；5)将稀疏矩阵加至粗略融合结果得到最终的多光谱融合图像。但该技术对边缘不敏感，轮廓信息提取不完整，无法精确定位聚焦区域，无法有效提取背景区域的细节信息，适用对象为多光谱和全色图像融合。

中国专利文献号CN103440631A，公开(公告)日2013.12.11，公开了一种基于低秩分解的CT序列图像复原方法。其实现步骤是：1)先将CT序列图像转化为灰度图像；2)选择低秩模型对CT序列进行稀疏低秩分解：根据CT图像含噪量的大小，选择对应的低秩模型对其进行稀疏低秩分解；3)求出低秩序列的平均图像，并用二维高斯模糊核对其进行维纳滤波复原；4)用扰动模糊核对稀疏序列中的每一幅图像进行维纳滤波复原；5)将稀疏复原序列中的每一幅图像与复原低秩图像合并，得到复原CT序列图像。但该技术不能识别图像的清晰区域，滤波操作将损失边缘信息，适用对象仅面向受噪声干扰严重的CT序列图像，无法用于多聚焦图像融合。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于稀疏分解和差分图像的多聚焦图像融合方法，通过鲁棒性主成分分析(robust principal component analysis，RPCA)分解原始图像得到其稀疏分量，建立特征和稀疏系数的对应关系来搜索原始图像的显著性信息，再利用引导滤波加强稀疏分量的边缘，通过加强图像与原始图像的差异有效提取原始图像的结构信息，精确提取聚焦区域。

本发明是通过以下技术方案实现的：

本发明涉及一种基于稀疏分解和差分图像的多聚焦图像融合方法，包括以下步骤：

1)利用RPCA分解原始图像得到其稀疏分量和低秩分量；