一种基于边缘保留分解框架的多聚焦图像融合方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114549357A(43)申请公布日2022.05.27(21)申请号202210172695.6(22)申请日2022.02.24(71)申请人吉林大学地址130012吉林省长春市前进大街2699号(72)发明人于爽张小利王泽宇杨飞扬葛雨菲李雄飞(74)专利代理机构北京盛询知识产权代理有限公司11901专利代理师李艳芬(51)Int.Cl.G06T5/00(2006.01)G06T5/50(2006.01)G06T7/40(2017.01)G06F17/14(2006.01)权利要求书2页说明书6页附图4页(54)发明名称一种基于边缘保留分解框架的多聚焦图像融合方法(57)摘要本发明公开一种基于边缘保留分解框架的多聚焦图像融合方法，包括步骤一、获取源图像并编号，步骤二、边缘保留的图像分解框架的构建及源图像的分解，步骤三、平滑子带的融合，步骤四、细节子带的融合，步骤五、融合平滑子带和融合细节子带的图像重构；本发明通过构建边缘保留的图像分解框架，可有效地保留和锐化显著的边缘和脊，同时还可消除平滑子带中不需要的细节信息，并维护细节子带中的详细信息，根据平滑子带和细节子带各自的特点设计融合规则，可充分保留图像的结构和细节信息，使最终融合图像的融合效果更适合于人类的视觉感知。CN114549357ACN114549357A权利要求书1/2页1.一种基于边缘保留分解框架的多聚焦图像融合方法，其特征在于，包括以下步骤：步骤一、利用数码相机获取源图像并取任意两张源图像编号A和B；步骤二、基于L1‑PIF变换构建边缘保留的图像分解框架，并利用分解框架对源图像A和B进行分解，获得对应的平滑子带和细节子带；步骤三、根据下式的融合规则对平滑子带进行融合其中SF表示融合的平滑子带，是源图像A的平滑子带，是源图像B的平滑子带，map表示最终决策图；步骤四、根据下式的融合规则对细节子带进行融合其中表示第i个融合的细节子带，表示源图像A和B的第i个细节子带的决策图，和表示源图像A和B分解得到的细节子带；步骤五、根据下式将融合的平滑子带SF和融合的细节子带进行重构，获得最终的融合图像式中IF表示融合图像。2.根据权利要求1所述的一种基于边缘保留分解框架的多聚焦图像融合方法，其特征在于：所述步骤二中边缘保留的图像分解框架是通过迭代的利用L1‑PIF变换来分解源图像生成对应源图像的平滑子带和细节子带，所述细节子带是源图像减去平滑子带的结果。3.根据权利要求1所述的一种基于边缘保留分解框架的多聚焦图像融合方法，其特征在于：所述步骤三中最终决策图map由下式表示其中S1表示当像素满足和的条件；S2表示当像素满足和的条件；S3‑1表示在相应的内有多个值为“1”的像素；S3‑2表示在相应的内有多个值为“0”的像素；是以异常像素ap(i，j)为中心的K×K的大小的图像块；和表示源图像A在第一次和第二次分解后的改进拉普拉斯算子函数的差异；和表示源图像B在第一次和第二次分解后的改进拉普拉斯算子函数的差异。4.根据权利要求3所述的一种基于边缘保留分解框架的多聚焦图像融合方法，其特征2CN114549357A权利要求书2/2页在于：所述源图像A和B在第一次和第二次分解后的改进拉普拉斯算子函数的差异由下式表示式中和即表示源图像A和B在第i次分解后SML函数的差异，SMLA(x，y)和SMLB(x，y)分别表示源图像A和B中的像素(x，y)的函数值，和分别表示源图像A和B中第i级平滑子带的像素(x，y)的函数值。5.根据权利要求4所述的一种基于边缘保留分解框架的多聚焦图像融合方法，其特征在于：所述SML函数用于粗略估计图像的能量，所述SML函数由下式定义其中P和Q确定窗口的大小，ML(x，y)是指一张源图像中的每个像素(x，y)的改进拉普拉斯函数，用下式表示ML(x，y)＝|2×(x，y)‑I(x‑step，y)‑I(x+step，y)|+|2×(x，y)‑I(x，y‑step)‑I(x，y+step)|。6.根据权利要求1所述的一种基于边缘保留分解框架的多聚焦图像融合方法，其特征在于：所述步骤四中融合规则通过细节子带的能量来构建，每个细节子带的能量定义如下式其中*表示源图像A和B中的一个；是指从A和B中的一个源图像分解的第i个细节子带的能量；表示源图像的第i个细节子带的像素；K*表示源图像的像素。7.根据权利要求1所述的一种基于边缘保留分解框架的多聚焦图像融合方法，其特征在于：所述步骤四中由下式计算其中和分别表示从A和B中的一个源图像分解的第i个细节子带的能量；a为常数且a＞0，当a赋予无限值时，由下分段函数计算3CN114549357A说明书1/6页一种基于边缘保留分解框架的多聚焦图像融合方法技术领域[0001]本