本發(fā)明涉及數(shù)字圖像處理、機(jī)器視覺的技術(shù)領(lǐng)域，具體是一種基于離散tchebichef多項(xiàng)式變換系數(shù)和聚焦評(píng)價(jià)的多聚焦圖像融合方法。

背景技術(shù)：

圖像是人類社會(huì)中常用的信息載體。研究表明，人類獲取的視覺圖像信息在人類接受的信息中的比重近80％。由此可見，視覺信息對(duì)于人類的重要性，而圖像正是人類獲取視覺信息的主要途徑。從20世紀(jì)60年代起，隨著計(jì)算機(jī)技術(shù)的不斷提高和普及，數(shù)字圖像處理在國內(nèi)外迅速發(fā)展，廣泛用于科學(xué)研究、工農(nóng)業(yè)生產(chǎn)、生物醫(yī)學(xué)工程、航空航天、軍事、工業(yè)、機(jī)器人產(chǎn)業(yè)等領(lǐng)域，在人類的生活中發(fā)揮著越來越重要的作用。

所謂數(shù)字圖像處理就是利用數(shù)字計(jì)算機(jī)或者其他數(shù)字硬件，將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理，以提高圖像的實(shí)用性，滿足人的視覺心理和應(yīng)用需求?？偟膩碚f，數(shù)字圖像處理主要包括：(1)圖像變換；(2)圖像壓縮編碼：(3)圖像增強(qiáng)和復(fù)原；(4)圖像分割；(5)圖像融合等。在實(shí)際應(yīng)用中，根據(jù)不同的情況采取相應(yīng)的措施以滿足人類的視覺需求。

圖像融合是圖像處理中的一個(gè)熱點(diǎn)研究領(lǐng)域，其目的是分析每幅待融合圖像的特征，采用合適的融合策略對(duì)這些特征進(jìn)行融合，最終得到更符合人或計(jì)算機(jī)視覺，而且更適合進(jìn)一步圖像處理需要的圖像。多聚焦圖像融合是把多次拍攝得到的分別對(duì)不同目標(biāo)聚焦的多幅圖像進(jìn)行融合，從而得到各個(gè)目標(biāo)都清晰的一幅圖像。多聚焦圖像融合能有效提高圖像信息的利用率和系統(tǒng)對(duì)目標(biāo)探測識(shí)別的可靠性。

本發(fā)明所提出的基于離散tchebichef多項(xiàng)式變換和聚焦評(píng)價(jià)的多聚焦圖像融合方法，通過分析圖像高頻和低頻信息與多項(xiàng)式變換系數(shù)的相關(guān)性，建立起離散tchebichef多項(xiàng)式變換系數(shù)與圖像聚焦程度之間的聯(lián)系，首次將離散tchebichef多項(xiàng)式變換系數(shù)作為圖像塊聚焦程度評(píng)價(jià)應(yīng)用到多聚焦圖像融合中來，是離散tchebichef變換在圖像處理領(lǐng)域應(yīng)用的突破和創(chuàng)新。結(jié)果表明相較于用灰度值方差函數(shù)，圖像梯度二階導(dǎo)數(shù)，圖像拉普拉斯變換的能量系數(shù)等傳統(tǒng)的圖像聚焦評(píng)價(jià)函數(shù)作多聚焦圖像融合，本發(fā)明提出的方法對(duì)圖像聚焦程度的評(píng)價(jià)非常準(zhǔn)確，高斯噪聲和椒鹽噪聲等環(huán)境下也表現(xiàn)出足夠的魯棒性，可以在多聚焦圖像融合中取得理想的效果。另外，本發(fā)明提出的圖像塊的聚焦評(píng)價(jià)方法只需要計(jì)算其離散tchebichef多項(xiàng)式變換的低階變換系數(shù)，為多聚焦圖像融合的過程節(jié)省了時(shí)間。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問題。提出了一種提高融合效果、節(jié)省了融合時(shí)間的基于離散tchebichef多項(xiàng)式變換和聚焦評(píng)價(jià)的多聚焦圖像融合方法。本發(fā)明的技術(shù)方案如下：

一種基于離散tchebichef多項(xiàng)式變換和聚焦評(píng)價(jià)的多聚焦圖像融合方法，其包括以下步驟：

1)對(duì)待融合的多幅圖像進(jìn)行均勻分塊處理，得到r個(gè)m×n的圖像塊，r表示圖像塊的個(gè)數(shù)，m表示圖像塊的寬，n表示圖像塊的高；2)分別對(duì)每個(gè)圖像塊歸一化，再分別對(duì)歸一化后的圖像塊進(jìn)行離散tchebichef多項(xiàng)式變換，得到對(duì)應(yīng)的離散tchebichef多項(xiàng)式變換系數(shù)；3)以高階變換系數(shù)的能量和低階變換系數(shù)的能量的比值作為聚焦評(píng)價(jià)函數(shù)，根據(jù)聚焦評(píng)價(jià)值最大的融合規(guī)則融合多幅輸入圖像；4)將融合后的圖像進(jìn)行一致性驗(yàn)證，得到最終融合后的圖像。

進(jìn)一步的，所述步驟2)中分別對(duì)每個(gè)圖像塊歸一化的步驟為：fk代表歸一化后的圖像塊函數(shù)，x表示函數(shù)的橫坐標(biāo)，y表示函數(shù)的縱坐標(biāo)，m表示圖像塊的寬，n表示圖像塊的高，k表示第k個(gè)圖像塊，r表示圖像分塊的個(gè)數(shù)。

對(duì)于圖像塊fk(x,y)，x≤m，y≤n，k≤r，其歸一化定義為：

進(jìn)一步的，上述步驟2)中根據(jù)離散tchebichef多項(xiàng)式變換，得到圖像中每個(gè)塊對(duì)應(yīng)的tchebichef變換系數(shù)具體包括：

離散tchebichef多項(xiàng)式變換公式如下：

其中，為m×n待融合的歸一化后的圖像塊，ts,t為離散tchebichef多項(xiàng)式變換系數(shù)；cs為離散tchebichef多項(xiàng)式行變換矩陣，大小為s×m，每一行為某一階數(shù)的離散tchebichef多項(xiàng)式表示，共s階；ct為離散tchebichef多項(xiàng)式列變換矩陣，大小為n×t，每一列為某一階數(shù)的離散tchebichef多項(xiàng)式表示，共t階；離散tchebichef多項(xiàng)式變換的逆變換公式如下，其中c'為c的轉(zhuǎn)置：

f＝cs'*ts,t*ct'(3)

進(jìn)一步的，當(dāng)離散tchebichef多項(xiàng)式變換矩陣為典型的8×8矩陣時(shí)，離散tchebichef多項(xiàng)式變換矩陣系數(shù)如下：

進(jìn)一步的，所述步驟3)中以高階變換系數(shù)的能量和低階變換系數(shù)的能量的比值作為聚焦評(píng)價(jià)函數(shù)，根據(jù)聚焦評(píng)價(jià)值最大的融合規(guī)則融合多幅輸入圖像的步驟包括：經(jīng)過離散tchebichef多項(xiàng)式變換后的矩陣定義為高階變換系數(shù)與低階變換系數(shù)的定義為：

其中‘\’代表從中除去剩下的部分，聚焦評(píng)價(jià)函數(shù)定義為

其中||f||＝f1²+f2²+…+fn²代表能量，根據(jù)高階變換系數(shù)與低階變換系數(shù)的關(guān)系，以及帕斯瓦爾定理，聚焦評(píng)價(jià)函數(shù)簡化為：

進(jìn)一步的，所述步驟4)中融合后的圖像進(jìn)行一致性驗(yàn)證采用的是多數(shù)篩選法，即如果合成圖像中的某個(gè)像素來自于圖像a,而這個(gè)像素鄰域內(nèi)的其他像素來自于圖像b的居多，則將其修正為來自圖像b，鄰域可以選用d×d的模板，其中d>1；包括步驟：將對(duì)應(yīng)圖像塊的聚焦評(píng)價(jià)函數(shù)值進(jìn)行比較，創(chuàng)建一個(gè)決策圖w記錄特征比較結(jié)果；

采用一個(gè)d×d的濾波器獲得最終的決策圖r:

最后，根據(jù)決策圖r進(jìn)行融合。

本發(fā)明的優(yōu)點(diǎn)及有益效果如下：

本發(fā)明通過分析圖像的高頻信息和低頻信息與離散tchebichef多項(xiàng)式變換系數(shù)的相關(guān)性，結(jié)合多聚焦圖像融合算法，提出基于離散tchebichef多項(xiàng)式變換和聚焦評(píng)價(jià)的多聚焦圖像融合方法，步驟如下：1)對(duì)需要融合的多幅圖像進(jìn)行分塊處理，得到r個(gè)m×n的圖像塊；2)分別對(duì)每個(gè)圖像塊歸一化，再分別對(duì)歸一化后的塊進(jìn)行離散tchebichef多項(xiàng)式變換，得到對(duì)應(yīng)的離散tchebichef多項(xiàng)式變換系數(shù)；3)以高階變換系數(shù)的能量和低階變換系數(shù)的能量的比值作為聚焦評(píng)價(jià)函數(shù)，根據(jù)聚焦評(píng)價(jià)值最大的融合規(guī)則融合多幅輸入圖像；4)將融合后的圖像進(jìn)行一致性驗(yàn)證，得到最終融合后的圖像。

實(shí)際應(yīng)用中，本發(fā)明在步驟2中只需要計(jì)算圖像塊的離散tchebichef多項(xiàng)式變換的低階系數(shù)。根據(jù)低階系數(shù)和高階系數(shù)的關(guān)系，在步驟3中，直接通過低階系數(shù)得到聚焦評(píng)價(jià)函數(shù)，為多聚焦圖像融合的過程節(jié)省了時(shí)間。圖像塊的離散tchebichef變換低頻系數(shù)與高頻噪聲相關(guān)性非常低，可以在噪聲環(huán)境下表現(xiàn)出良好的魯棒性。步驟4中的一致性驗(yàn)證可以進(jìn)一步提升融合效果。相較于傳統(tǒng)的圖像評(píng)價(jià)函數(shù)，本發(fā)明提出的基于離散tchebichef變換的圖像聚焦評(píng)價(jià)方法對(duì)圖像聚焦程度的評(píng)價(jià)非常準(zhǔn)確，對(duì)不同的聚焦程度表現(xiàn)出良好的區(qū)分度。結(jié)果表明，本發(fā)明提出的方法應(yīng)用于多聚焦圖像融合中可以得到理想的效果。

附圖說明

圖1是本發(fā)明提供優(yōu)選實(shí)施例融合方案的流程圖；

圖2是待融合圖像組1；

圖3是融合圖像組1后的圖像；

圖4是待融合圖像組2；

圖5是融合圖像組2后的圖像；

圖6是m＝n＝50，核函數(shù)φ2,2圖像；

圖7是m＝n＝50，核函數(shù)φ10,10圖像。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、詳細(xì)地描述。所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案是：

下面結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明：

如圖1所示，一種基于離散tchebichef多項(xiàng)式變換和聚焦評(píng)價(jià)的多聚焦圖像融合方法，包括如下步驟：

第一步：首先將需要融合的多幅圖像進(jìn)行分塊處理并按公式歸一化，得到r個(gè)m×n的圖像塊，通?？蛇x擇8×8或4×4；

第二步：對(duì)每個(gè)圖像塊分別進(jìn)行離散tchebichef多項(xiàng)式變換，得到對(duì)應(yīng)的離散tchebichef多項(xiàng)式變換系數(shù)，記變換系數(shù)的坐標(biāo)為(i,j)，其中i+j≤p(s+t-2≥p≥1)的變換系數(shù)為低階變換系數(shù)，其余的為高階變換系數(shù)；

第三步：通過快速計(jì)算公式，以離散tchebichef多項(xiàng)式變換系數(shù)來計(jì)算聚焦評(píng)價(jià)函數(shù)mt，然后比較多幅輸入的多聚焦圖像對(duì)應(yīng)的圖像塊的mt值大小，根據(jù)mt值最大的融合原則融合多幅輸入圖像；

第四步：將融合后的圖像進(jìn)行一致性驗(yàn)證，消除塊效應(yīng)，最后得到融合后的圖像。

為了驗(yàn)證本發(fā)明的效果，進(jìn)行了如下實(shí)驗(yàn)：

在一臺(tái)計(jì)算機(jī)上進(jìn)行驗(yàn)證實(shí)驗(yàn)，該計(jì)算機(jī)的配置為i5處理器(3ghz)和16g內(nèi)存，平臺(tái)為matlab2014b。

實(shí)驗(yàn)方法：

在本實(shí)驗(yàn)過程中，所選用的圖像是柯達(dá)圖像數(shù)據(jù)庫中的圖像，待融合的2幅圖像分別為同一場景下不同部位聚焦的圖像。通過本發(fā)明提出的基于離散tchebichef多項(xiàng)式變換和聚焦評(píng)價(jià)的圖像融合方法，對(duì)2幅多聚焦圖像進(jìn)行融合，得到最后的融合后的清晰圖像。

圖2：待融合的圖像組1(左邊圖像為豹腳部聚焦而頭部、身體散焦圖像，右圖為腳部散焦而頭部、身體聚焦圖像)：

圖3為融合后的圖像：

圖4：待融合的圖像組2(其中左圖右半部熱氣球聚焦，左側(cè)熱氣球散焦，有圖左側(cè)熱氣球聚焦，右半部熱氣球散焦)：

圖5為融合圖像組2后的圖像：

圖像的聚焦程度mt與離散tchebichef多項(xiàng)式變換系數(shù)之間關(guān)系的詳細(xì)說明

對(duì)于大小為m×n圖像灰度函數(shù)f(x,y)，其(m+n)階離散tchebichef多項(xiàng)式變換系數(shù)的定義如下：

其中為歸一化的離散tchebichef多項(xiàng)式。

相關(guān)性是函數(shù)之間相似性的度量，兩個(gè)離散空間函數(shù)r(x,y)和s(x,y)定義如下：

其中*代表共軛轉(zhuǎn)置。

如果讓

然后有

tm,n可以理解為圖像f(x,y)和變換核函數(shù)之間的關(guān)系。換句話說，離散tchebichef多項(xiàng)式變換系數(shù)就是圖像和對(duì)應(yīng)的變換核函數(shù)之間相關(guān)性的度量。定義下面是其在m＝n＝2時(shí)和m＝n＝10的圖像：

圖6為m＝n＝50，核函數(shù)φ2,2圖像

圖7為m＝n＝50，核函數(shù)φ10,10圖像

從圖6中可以看出，變換核函數(shù)φ2,2的曲線變化平緩，所以t2,2是圖像低頻信息的度量。從圖7中可以看出，變換核函數(shù)φ10,10的曲線變化劇烈，所以t10,10體現(xiàn)的是圖像相對(duì)高頻信息的度量。

實(shí)際中，對(duì)于兩個(gè)圖像塊f1(x,y)和f2(x,y)，如果f2(x,y)的模糊程度大于f1(x,y)，那么

于是

由此可見，由圖像塊的離散tchebichef多項(xiàng)式變換系數(shù)得到圖像塊的聚焦評(píng)價(jià)，進(jìn)而實(shí)現(xiàn)多聚焦圖像融合是客觀而有效的。

以上這些實(shí)施例應(yīng)理解為僅用于說明本發(fā)明而不用于限制本發(fā)明的保護(hù)范圍。在閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等效變化和修飾同樣落入本發(fā)明權(quán)利要求所限定的范圍。