基于NSCT尺度积的多聚焦图像融合方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103632354103632354A(43)申请公布日2014.03.12(21)申请号201210305604.8(22)申请日2012.08.24(71)申请人西安元朔科技有限公司地址710077陕西省西安市高新区锦业路69号创业研发园C区1号瞪羚谷E座503室(72)发明人但春林封长林(51)Int.Cl.G06T5/50(2006.01)权权利要求书2页利要求书2页说明书5页说明书5页附图3页附图3页(54)发明名称基于NSCT尺度积的多聚焦图像融合方法(57)摘要本发明公开了一种基于NSCT尺度积的多聚焦图像融合方法，该方法的处理过程是：首先应用非采样的轮廓波变换(NSCT)对多聚焦图像进行分解，再采用拉普拉斯能量和作为低频子带的融合规则，采用尺度积和局部拉普拉斯能量和作为高频方向子带的融合规则，最后应用NSCT逆运算得到融合图像。实验结果表明，该算法不经能充分提取源图像信息注入到融合图像中，而且能有效抑制噪声的影响，融合效果较其他方法更优。CN103632354ACN1036254ACN103632354A权利要求书1/2页1.一种基于NSCT尺度积的多聚焦图像融合方法，包括如下过程：步骤1：图像预处理采用均值滤波器对图像A和B进行滤波处理，得到处理后的图像A′和B′。步骤2：图像分解采用NSCT将图像A′和B′进行分解，分别得到聚焦图像A′的低频子带系数和高频方向子带系数聚焦图像B′的低频子带系数和高频方向子带系数其中l表示分解的尺度数，k表示方向分解级数。步骤3：融合规则1)低频子带的融合规则(1)应用公式(1)和公式(2)计算源图像A′和B′的低频系数和的和(2)低频子带的融合规则为公式(3)2)高频方向子带的融合规则(1)对源图像A′和B′的高频方向子带和进行尺度积运算，见公式(4)和(5)：(2)应用公式(6)和(7)计算源图像尺度积和的和其中，2CN103632354A权利要求书2/2页则高频方向子带的融合规则见公式(8)：步骤4：图像重构对融合图像的各子带系数进行NSCT逆变换从而得到最终的融合图像。3CN103632354A说明书1/5页基于NSCT尺度积的多聚焦图像融合方法技术领域[0001]本发明属于图像处理领域，尤其涉及一种基于NSCT尺度积的多聚焦图像融合方法。背景技术[0002]图像融合是当前图像处理界的研究热点之一，它广泛应用于遥感、机器视觉、医学、军事、司法与制造业等领域。在采用CCD或CMOS等图像传感器获取影像的时候，由于镜头景深的原因，位于聚焦平面上的景物在图像上可获得清晰的投影，而在其他位置上的景物在图像上受到不同程度的模糊。一幅处处聚焦的图像是许多后续处理的前提条件，解决这一问题的主要方法就是多聚焦图像融合技术，即采用不同的焦距设置拍摄一系列图像，然后将这些图像进行融合处理，获得一幅处处清晰的融合图像。[0003]目前，常用的多聚焦图像融合方法主要分为空间域和变换域两大类方法。空间域融合方法主要分为以像素、图像块、区域为单位的3种融合方式。在以像素为基础进行多聚焦图像融合时，通常需要判断每个像素是否聚焦，其缺点为计算量与误差均较大。基于图像块的多聚焦图像融合方法计算效率较高，但如何选取合适的图像块大小有待进一步研究。基于区域的多聚焦图像融合方法由于首先必须进行图像分割处理，从而增加了计算量，且融合效果很大程度上取决于图像分割的质量。基于变换域的图像融合包括金字塔变换、小波变换和多尺度几何分析方法。由MinhN.Do和Vetterli提出的Contourlet变换，将拉普拉斯金字塔分解与方向滤波器组相结合，具有良好的多分辩率和方向性，是一种较好的图像表示方法。但是，在对图像进行Contourlet变换的过程中，需要对图像进行降采样操作，从而使得Contourlet变换不具备平移不变性，在图像处理中会产生Gibbs现象。为了解决这一问题，ArthurL提出了非采样的Contourlet变换(NSCT)，该变换具有平移不变性和冗余信息，因此可以有效提取待融合图像中的方向信息，得到较好的融合效果。[0004]通过研究大量的文献可知，关于多聚焦图像融合的算法没有考虑噪声对图像的影响和人眼视觉效应，这将导致融合后的图像与人眼所感知的效果不一致。发明内容[0005]本发明的目的是提供一种能够抑制噪声且满足人眼视觉感官的多聚焦图像融合算法，具体提供一种基于NSCT尺度积的多聚焦图像融合算法。[0006]假设有源图像A和B，基于对比度的多聚焦图像融合算法的具体步骤如下：[0007]步骤1：图像预处理[0008]由于受到噪声等因素的干扰，需要对多聚焦图像A和B进行预处理，本发明采用均值滤波器对图