[发明专利]多聚焦图像融合方法、装置、计算机设备和存储介质

权利要求书

1.一种多聚焦图像融合方法，其特征在于，所述方法包括：

根据多幅多聚焦源图像得到平均图像；

利用增强型线性谱聚类算法对所述平均图像进行超像素分割，根据平均图像超像素的分割结果，求得所述多幅多聚焦源图像在相同位置上超像素组成的超像素组；

通过对每组超像素对进行清晰度比较，获取所需的超像素，从而得到初始决策图；

利用多图像引导滤波器和形态滤波器对所述初始决策图进行优化，得到最终决策图；

根据所述最终决策图融合所述多幅多聚焦源图像，得到融合图像。

2.根据权利要求1所述的多聚焦图像融合方法，其特征在于，所述利用增强型线性谱聚类算法对所述平均图像进行超像素分割，根据平均图像超像素的分割结果，求得所述多幅多聚焦源图像在相同位置上超像素组成的超像素组，包括：

使用Canny边缘检测器提取多幅多聚焦源图像中的边缘像素，再计算在边缘位置的离焦模糊度；同时使用SLIC算法对平均图像进行分割，生成超像素，通过计算相邻超像素间的相似度得到关联矩阵；

将所述离焦模糊度进行中值滤波消除异常值后，与所述关联矩阵相乘，得到平均图像的深度图；

根据所述深度图，得到平均图像所需的超像素；

根据平均图像得到的超像素，求得由多幅多聚焦源图像在相同位置上超像素组成的超像素组。

3.根据权利要求2所述的多聚焦图像融合方法，其特征在于，计算在边缘位置的离焦模糊度时得到稀疏深度图，通过使用引导过滤器细化边缘位置中不准确的模糊估计，从而获得更好的稀疏深度图。

4.根据权利要求2所述的多聚焦图像融合方法，其特征在于，所述通过计算相邻超像素间的相似度得到关联矩阵，包括：

将所有生成的超像素定义为一个集合P＝{p₁,p₂，…，p_N}，将加权连通图定义为G＝(P,ε,w)，其中p_m与p_n分别表示P中任意一个超像素，且m≠n；边集ε表示两个相邻的超像素对，并且每条边e_m,n∈ε表示超像素p_m与p_n的邻接关系；设定w为边缘e_m,n的权值w_m,n，权值矩阵W＝[w_m,n]表示相邻超像素之间的相似性；设定M为N×N的关联矩阵，E为对角矩阵，其对角项为权矩阵W的行和，I是一个N×N的单位矩阵，δ∈(0,1)为参数，计算相邻超像素之间的相似度的公式为：M＝[(E-δ*W)^(-1)]*I。

5.根据权利要求4所述的多聚焦图像融合方法，其特征在于，所述将所述离焦模糊度进行中值滤波消除异常值后，与所述关联矩阵相乘，得到平均图像的深度图，包括：

设定F_n是超像素p_n中的内边缘像素的集合，计算每个超像素的初始离焦模糊插值Bp_n的公式为：

Bp_n＝median_m∈Fn{Bm}

其中，Bm表示第m个边缘像素的离焦模糊插值；

定义是对关联矩阵M的修改，通过以下操作得到：

如果超像素的内边缘像素集合Fn为空集，则将矩阵M中的列N设为0；

将矩阵M中的每个行向量归一化，得到

根据下式，得到深度图：

6.根据权利要求2所述的多聚焦图像融合方法，其特征在于，所述根据所述深度图，得到平均图像所需的超像素，包括：

将将深度图中每个像素点映射到特征空间中的12维向量中：

根据设定的超像素个数，在所述平均图像上以固定的水平和垂直间隔v_x和v_y均匀采样出K个种子像素，并将其作为搜索中心；

在3×3的邻域内，将每个种子移动到种子周围梯度最低的邻域；

根据N个种子像素的特征向量确定相应簇的初始原型，将小的超像素进行聚类，并迭代更新不同像素的分配和聚类的原型，直到以k-means的方式收敛，得到所需的超像素。