一種利用邊界檢測和多尺度形態(tài)學(xué)清晰度度量的多聚焦圖像融合方法
【專利摘要】一種利用邊界檢測和多尺度形態(tài)學(xué)清晰度度量的多聚焦圖像融合方法，其步驟是：首先，提取多尺度多結(jié)構(gòu)元素，再通過加權(quán)合并得到圖像的多尺度形態(tài)學(xué)梯度特征；其次，構(gòu)造圖像的清晰度度量，利用該度量檢測多聚焦源圖像中聚焦與離焦區(qū)域的邊界區(qū)域；再次，將邊界區(qū)域細(xì)化，得到最終的邊界線特征；接著，通過度量每幅源圖像在邊界線分割的清晰度度量，從而得到初始的多聚焦圖像的融合決策圖像；繼而，濾除融合決策圖像中的弱小孤立區(qū)域，并利用最近鄰方法填補(bǔ)空白區(qū)域；此后，膨脹融合決策圖像中的邊界線，得到最終的融合決策圖像；最后，根據(jù)融合決策圖像及制定的融合策略得到一幅各處都清晰的融合圖像。本發(fā)明廣泛應(yīng)用于各類圖像處理的應(yīng)用系統(tǒng)。
【專利說明】一種利用邊界檢測和多尺度形態(tài)學(xué)清晰度度量的多聚焦圖像融合方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種利用邊界檢測和多尺度形態(tài)學(xué)清晰度度量的多聚焦圖像融合方法，屬于數(shù)字圖像處理領(lǐng)域，主要涉及數(shù)學(xué)形態(tài)學(xué)和圖像融合技術(shù)。圖像融合可以有效提高圖像信息的利用率，并且為圖像理解與分析等奠定良好基礎(chǔ)。因此，多聚焦圖像融合在各類基于圖像的應(yīng)用系統(tǒng)中有廣闊的應(yīng)用前景。
【背景技術(shù)】
[0002]多聚焦圖像融合技術(shù)，可以有效解決將同一場景中位于不同距離的景物都清晰地呈現(xiàn)在一幅圖像中的難題。圖像融合技術(shù)可以有效提高圖像信息的利用率，是圖像分析和模式識(shí)別的重要基礎(chǔ)。圖像融合技術(shù)通常能夠?yàn)椴煌膱D像處理應(yīng)用提供更多的有用信息，如目標(biāo)識(shí)別、顯微成像和軍事作戰(zhàn)等。但是，多聚焦圖像中聚焦區(qū)域的檢測是多聚焦區(qū)域的一個(gè)難點(diǎn)，并且圖像中的內(nèi)容復(fù)雜，一般很難對所有區(qū)域的清晰度進(jìn)行準(zhǔn)確地度量。因此，多聚焦圖像融合技術(shù)是非常困難的。
[0003]為了更好地將多聚焦圖像中不同距離的景物呈現(xiàn)在一幅圖像中，研究者們提出了不同的方法。這些方法大致分為兩類:變換域圖像融合方法和空間域圖像融合方法。常用的變換域融合方法主要包括:基于金字塔分解的方法(參見文獻(xiàn):彼得羅維奇等，基于梯度的多分辨率分析圖像融合方法，美國電子電氣工程師協(xié)會(huì)圖像處理匯刊，13 (2) (2004)228 - 237。(V.S.Petrovic, C.S.Xydeas, Gradient-based multiresolutionimage fusion, IEEE Transactions on Image Processing, 13(2)(2004)228 - 237.))和基于小波變換的方法(參見文獻(xiàn):李等，利用小波變換的多傳感器圖像融合，圖形模型和圖像處理，57 (3) (1995) 235 - 245。(H.Li, B.S.Manjunath, S.K.Mitra, Multisensor imagefusion using the wavelet transform, Graphical Models and Image Processing, 57(3)(1995)235 - 245.))。這些變換域融合方法被廣泛應(yīng)用于圖像融合中，但是這些融合方法不能有效保持圖像的原始信息，并且由于算法自身局限性，會(huì)對圖像邊緣有一定的平滑作用，導(dǎo)致融合圖像的邊緣模糊。在空間域融合方法中，最簡單的一種方法是多聚焦圖像的每個(gè)像素進(jìn)行加權(quán)平均處理。這種方法具有計(jì)算簡單和融合速度快等優(yōu)點(diǎn)，但是會(huì)降低融合圖像的對比度，并且對融合圖像的邊緣、輪廓等產(chǎn)生一定程度的模糊。而基于區(qū)域的融合方法(參見文獻(xiàn):李等，利用空間頻率的多聚焦圖像融合方法，信息融合，26 (7) (2001) 169 -176。(S.Li, J.T.Kwok, Y.Wang, Combination of images with diverse focuses usingthe spatial frequency, Information Fusion26 (7) (2001) 169 - 176.))充分考慮了局部區(qū)域內(nèi)像素的相關(guān)性，可以提高聚焦區(qū)域提取的準(zhǔn)確性，并且可以有效保持圖像的原始信息。但是基于區(qū)域的融合方法直接依賴于圖像分割算法的結(jié)果，并且圖像分割算法一般具有計(jì)算復(fù)雜、速度慢等特點(diǎn)，不利于實(shí)時(shí)處理。研究者又提出了基于塊分割的多聚焦融合方法(參見文獻(xiàn):黃等，基于多聚焦圖像融合的清晰度度量評價(jià)方法，模式識(shí)別快報(bào)，28(4)(2007)493 - 500。(W.Huang, Z.Jing, Evaluation of focus measures in mult1-focusimage fusion, Pattern Recognition Letters28 (4) (2007) 493 - 500.))?；趬K分割方法考慮了局部像素的相關(guān)性，并且計(jì)算比較簡單。但是基于塊分割的融合方法的融合效果依賴于分塊大小；同時(shí)圖像一般較為復(fù)雜，使圖像塊的清晰程度難以準(zhǔn)確度量，往往導(dǎo)致融合圖像中存在塊效應(yīng)。
[0004]多聚焦圖像融合的本質(zhì)是提取每幅源圖像的聚焦區(qū)域，然后通過組合重建得到融合圖像。在多聚焦圖像中，聚焦與離焦區(qū)域的邊界部分通常是不同圖像間清晰度度量差異比較小的圖像區(qū)域。因此，通過利用多聚焦源圖像間清晰度度量的差異信息，可能會(huì)產(chǎn)生一種非常有效的多聚焦圖像的聚焦與離焦區(qū)域的邊界線提取方法，進(jìn)而將邊界線分割出的每個(gè)聚焦區(qū)域從相應(yīng)的源圖像中拷貝并組合成一幅全部聚焦的融合圖像。數(shù)學(xué)形態(tài)學(xué)中的梯度運(yùn)算，可以有效提取圖像的局部顯著特征，所以能夠作為圖像的清晰度度量。并且根據(jù)多尺度理論(參見文獻(xiàn):帕斯托雷等，基于形態(tài)學(xué)運(yùn)算和測地距離的大腦核磁共振圖像分割，數(shù)字信號(hào)處理，15 (2005) 153 - 160。(J.1.Pastore, E.G.Moler, V.L.Ballarin.Segmentation of brain magnetic resonance images through morphologicaloperators and geodesic distance, Digital Signal Processingl5(2005) 153 - 160.)；鮑厄那亞等，空間不變的形態(tài)學(xué)復(fù)原與骨架表示，美國電子電氣工程師協(xié)會(huì)圖像處理匯干Ij, 15 (I I) (2006) 3579 - 3591。(N.Bouaynaya, M.Charif-Chefchaouni, D.Schonfeld.Spatially variant morphological restoration and skeleton representation, IEEETransactions on Image Processing, 15 (11) (2006) 3579 - 3591.)),形態(tài)學(xué)的梯度特征可以被推廣到提取圖像多個(gè)尺度下的梯度特征，從而產(chǎn)生一種更穩(wěn)定的清晰度度量。
[0005]為了得到一幅視覺效果更好的融合圖像，本發(fā)明提出了一種利用邊界檢測和多尺度形態(tài)學(xué)清晰度度量的多聚焦圖像融合方法。

【發(fā)明內(nèi)容】

[0006]多聚焦圖像融合是圖像理解與圖像分析的關(guān)鍵技術(shù)。但現(xiàn)有的圖像融合方法并不能很好地將不同聚焦距離的源圖像融合在一起，生成的融合圖像往往對比度較低、存在產(chǎn)生塊效應(yīng)或邊緣模糊現(xiàn)象等。
[0007]為了解決上述問題并彌補(bǔ)傳統(tǒng)方法的不足，本發(fā)明提出了一種利用邊界檢測和多尺度形態(tài)學(xué)清晰度度量的多聚焦圖像融合方法。首先，構(gòu)造能夠使形態(tài)學(xué)梯度運(yùn)算用于提取圖像梯度特征的多尺度多結(jié)構(gòu)元素，并利用構(gòu)造的結(jié)構(gòu)元素提取多個(gè)尺度下的梯度特征，再通過加權(quán)合并每個(gè)尺度的梯度特征得到圖像的多尺度形態(tài)學(xué)梯度特征；其次，利用多尺度形態(tài)學(xué)梯度特征構(gòu)造圖像的清晰度度量，并利用該度量檢測多聚焦源圖像中聚焦與離焦區(qū)域的邊界區(qū)域；再次，將邊界區(qū)域細(xì)化，并剔除其中的弱小線特征，得到的最終的邊界線特征；接著，通過度量每幅源圖像在邊界線分割每個(gè)區(qū)域的清晰度，從而得到初始的多聚焦圖像的融合決策圖像；繼而，濾除融合決策圖像中的弱小孤立區(qū)域，并利用最近鄰方法填補(bǔ)空白區(qū)域；此后，膨脹融合決策圖像中的邊界線，得到最終的融合決策圖像；最后，根據(jù)融合決策圖像及制定的融合策略，即直接從多聚焦源圖像中對應(yīng)地拷貝到融合結(jié)果中，而邊界區(qū)域的像素則將源圖像對應(yīng)的像素加權(quán)拷貝到融合結(jié)果中，從而得到一幅各處都清晰的融合圖像。多聚焦圖像融合的結(jié)果，是圖像處理相關(guān)應(yīng)用的重要前提。
[0008]本發(fā)明一種利用邊界檢測和多尺度形態(tài)學(xué)清晰度度量的多聚焦圖像融合方法，它包含以下具體步驟:
[0009]步驟一:構(gòu)造用于提取多個(gè)尺度梯度特征的結(jié)構(gòu)元素。
[0010]設(shè)結(jié)構(gòu)元素有η個(gè)尺度，即B1,B2,…，Bj,…，Bn，其中
【權(quán)利要求】
1.一種利用邊界檢測和多尺度形態(tài)學(xué)清晰度度量的多聚焦圖像融合方法，其特征在于:它包含以下具體步驟: 步驟一:構(gòu)造用于提取多個(gè)尺度梯度特征的結(jié)構(gòu)元素； 設(shè)結(jié)構(gòu)元素有η個(gè)尺度，即B1, B2, -,Bj,…，Bn，其中
2.根據(jù)權(quán)利要求1所述的一種利用邊界檢測和多尺度形態(tài)學(xué)清晰度度量的多聚焦圖像融合方法，其特征在于:步驟八所述的“制定的融合準(zhǔn)則”，其具體內(nèi)容如下:首先，對于決策圖像中的非空區(qū)域，從相應(yīng)的多聚焦圖像拷貝到融合圖像中的相應(yīng)位置；然后，對于決策圖像中的邊界區(qū)域，以每個(gè)像素位置到邊界中心線最小距離的倒數(shù)為權(quán)重，將多聚焦圖像的加權(quán)和拷貝到融合圖像中的該像素位置，得到最終的多聚焦融合圖像。
【文檔編號(hào)】G06T5/50GK103985108SQ201410241796
【公開日】2014年8月13日 申請日期:2014年6月3日 優(yōu)先權(quán)日:2014年6月3日
【發(fā)明者】白相志, 張余 申請人:北京航空航天大學(xué)