[发明专利]一种基于AGF的多聚焦图像融合方法及系统

说明书

本发明属于光学图像处理技术领域，公开了一种基于AGF的多聚焦图像融合方法及系统，首先用联合双边滤波对输入图像进行平滑，交替使用源图像和滤波图像作为双边滤波的输入图像和引导图像；并使用中值滤波对双边滤波处理的图像进行滤波处理，得到源图像的基础层和细节层；然后分别计算源图像基础层和细节层各像素邻域窗口的梯度能量，根据基础层和细节层各像素邻域窗口梯度能量大小构建决策矩阵，并根据一定的融合规则分别将基础层和细节层对应像素融合。本发明不但能够有效提高对源图像中的聚焦区域判定的准确性，且能极大提高融合图像的质量。

技术领域

本发明属于光学图像处理技术领域，尤其涉及一种基于AGF的多聚焦图像融合方法及系统。

背景技术

由于景深限制，光学传感器成像系统只能将聚焦范围内的部分场景清晰成像，只有在聚焦范围内的场景目标是清晰的。这种部分目标清晰的聚焦图像并不能准确完整的描述场景，进而限制了人们对场景的准确分析和理解。分析相当数量的相似图像既浪费时间又浪费精力，也会造成存储空间上的浪费。这样必将限制目标检测和识别等相关任务的效率和质量。多聚焦图像融合是一种通过整合同一场景下多幅图像显著清晰特征来解决上述问题的有效技术途径之一。

多聚焦图像融合就是对经过配准的相同成像条件下获得的关于某一场景中的多幅聚焦图像，采用某种融合算法提取每幅聚焦图像的清晰区域，并根据一定的融合规则将这些区域合并生成一幅该场景中所有目标物都清晰的图像。多聚焦图像融合技术可以使处在不同成像距离上的场景目标能够清晰的呈现在一幅图像中，为特征提取，目标识别与追踪等奠定了良好的基础，从而有效地提高了图像信息的利用率和系统对目标表探测识别的可靠性，扩展了时空范围，降低了不确定性。该技术在智慧城市、医疗成像、军事作战以及安全监控等领域有广泛应用。

多聚焦图像融合算法的关键是对聚焦区域显著特征进行识别，准确定位并提取出聚焦范围内的区域或像素，这也是多聚焦图像融合技术中至今尚未得到很好解决的问题之一。近年来，研究者提出了大量不同的多聚焦图像融合算法，这些可简单分为两类：空间域多聚焦图像融合算法和变换域多聚焦图像融合算法。其中，空间域图像融合算法根据源图像中像素点的灰度值大小或区域内像素聚焦特征的显著程度，利用不同的聚焦区域特性评价方法将聚焦区域的像素点或区域提取出来，根据融合规则得到融合图像。该算法的优点是方法简单，容易执行，计算复杂度低，融合图像包含源图像的原始信息。缺点是易受到噪声干扰，同时由于块大小的自身局限性，易使融合图像产生“块效应”。变换域图像融合算法对源图像进行变换，将源图像从空间域转换到变换域，将图像像素转换成不同空间尺度上的变换系数，然后根据融合规则对变换系数进行处理，将处理后的变换系数进行逆变换得到融合图像。其不足之处主要表现在分解过程复杂、耗时，高频系数空间占用大，融合过程中易造成信息丢失。如果改变融合图像的一个变换系数，则整个图像的空域灰度值都将会发生变化，结果在增强一些图像区域属性的过程中，引入了不必要的人为痕迹。

随着计算机和成像技术的不断发展，国内外研究者针对多聚焦图像融合技术中存在的聚焦区域判定和提取问题，提出了很多性能优异的融合算法，空间域和变换域较为常用的多聚焦图像融合算法主要包括以下几种：

(1)基于拉普拉斯金字塔(Laplacian Pyramid，LAP)的多聚焦图像融合方法。其主要过程是对源图像进行拉普拉斯金字塔分解，然后采用合适的融合规则，将高频和低频系数进行融合，将融合后的金字塔系数进行逆变换得到融合图像。该方法具有良好的时频局部特性，取得了不错的效果，但各分解层间数据有冗余，无法确定各分解层上的数据相关性。提取细节信息能力差，分解过程中高频信息丢失严重，直接影响了融合图像质量。