多聚焦圖像像素級融合方法研究.pdf

1、由于光學鏡頭的聚焦范圍有限，很將同一場景內不同距離景物都清晰地成像在一幅圖像中。這一問題可通過多聚焦圖像融合技術來解決。該技術能有效提高圖像信息的利用率，增強系統對目標探測識別的可靠性，為圖像識別、邊緣檢測、圖像分割、特征提取等后續(xù)處理奠定良好的基礎。目前，多聚焦圖像融合已在目標識別、顯微成像、軍事作戰(zhàn)、機器視覺等領域得到了廣泛應用。
　　多聚焦圖像融合的關鍵是找到源圖像中的清晰區(qū)域或像素，通過對其重組得到一幅所有景物都清晰的融合

2、圖像。也就是說，多聚焦圖像融合的關鍵在于清晰區(qū)域或像素位置的正確判斷，這也是多聚焦圖像融合中的難點之一。由于圖像內容的復雜性，通常很難對所有區(qū)域或像素的清晰度進行正確評價，從而造成融合圖像效果不夠理想。本文在現有多聚焦圖像融合方法的基礎上，深入研究了多聚焦圖像融合問題。針對現有方法存在的某些缺陷和不足，分別在多尺度變換域和空間域內對多聚焦圖像融合進行了研究。
　　為避免噪聲對融合算法造成的影響，在提升靜態(tài)小波(Lifting St

3、ationary Wavelet Transform，LSWT)域內提出了LSWT多尺度積與脈沖耦合神經網絡(Pulse Coupled Neural Network，PCNN)相結合的融合方法。根據LSWT相鄰尺度間的多尺度積能有效增強有用信號的邊緣細節(jié)信息，削弱噪聲的優(yōu)點，提出將多尺度積的某個特征作為PCNN神經元的外部輸入，并根據神經元的點火次數來確定融合圖像各高頻子帶系數，從而抑制了噪聲對融合算法造成的可能影響，獲得了良好的融合

4、結果。
　　為克服傳統對比度測度在判別像素聚焦特性時表現出的不足，在 LSWT域內提出了方向信息特征對比度的概念，制定了基于方向信息特征對比度的系數選擇方案。由于方向信息特征對比度不僅考慮了方向信息對噪聲不敏感的特性，還考慮了人眼視覺對圖像對比度的變化比較敏感的特性，因而能有效避免噪聲對融合算法的干擾，彌補傳統對比度測度的不足，提升各高子帶聚焦特性判別的正確率，為融合圖像子帶系數的選擇提供了依據。
　　針對基于多尺度分解的多

5、聚焦圖像融合方法容易出現融合圖像系數的誤選，在 NSCT域內設計了一種基于分數階微分的清晰度評價指標。根據該指標和多聚焦圖像的成像特性，提出一種聚焦區(qū)域檢測方法。在此基礎上，制定了基于聚焦區(qū)域檢測和分數階微分清晰度評價指標相結合的系數選擇方案。該方案將處于聚焦區(qū)域內部的系數直接選出，構成融合圖像相應子帶位置處的系數；對離聚焦區(qū)域之間的過渡帶，則根據分數階微分清晰度評價指標來進行融合處理,從而降低了各子帶系數的誤選，提升了融合算法性能。<

6、br>　　在空間域內提出了基于聚焦區(qū)域檢測和多尺度分解相結合的融合算法。該方法從多尺度分解融合方法不易產生不連續(xù)現象的特性出發(fā)，通過一種新的基于多尺度分解的融合方法來獲取初始融合圖像。根據初始融合圖像與源圖像之間的相似度，實現對源圖像像素聚焦特性的初步判定。據此建立初始融合決策圖，并對其進行后續(xù)處理，修正判別錯誤的像素。根據融合決策圖中像素所處位置和初始融合圖像，制定最終融合圖像的獲取方案。該方案有效避免了離聚焦區(qū)域之間不連續(xù)現象的產生

7、，提升了融合圖像質量。
　　針對傳統多尺度Top-Hat變換不能提取整個尺度區(qū)間上圖像特征的不足，引入了改進的多尺度Top-Hat變換。根據該變換，設計基于數學形態(tài)學的聚焦區(qū)域檢測方法與雙窗口技術的多聚焦圖像融合方法，解決了單個窗口技術在判定離聚焦區(qū)域之間過渡帶時窗口尺寸大小很難確定的問題，降低了像素的分類錯誤，為獲得視覺效果更好的融合圖像奠定了基礎。
　　最后，對本文的主要工作以及取得的成果進行了總結，并進一步指出了下一步