基于图像抠图技术的多聚焦图像融合方法.docx

基于图像抠图技术的多聚焦图像融合方法摘要：针对多聚焦图像融合容易出现信息丢失、块效应明显等问题提出了一种新的基于图像抠图技术的多聚焦图像融合算法。首先通过聚焦检测获得源图像的聚焦信息并根据所有源图像的聚焦信息生成融合图像的三分图即前景、背景和未知区域；然后利用图像抠图技术根据三分图获得每一幅源图像的精确聚焦区域；最后将这些聚焦区域结合起来构成融合图像的前景和背景并根据抠图算法得到的确定前景、背景对未知区域进行最优融合增强融合图像前景、背景与未知区域相邻像素之间的联系实现图像融合。实验结果表明与传统算法相比所提算法在客观评价方面能获得更高的互信息量（MI）和边缘保持度在主观评价方面能有效抑制块明显效应得到更优的视觉效果。该算法可以应用到目标识别、计算机视觉等领域以期得到更优的融合效果。关键词：多聚焦图像；聚焦信息；三分图；图像抠图；图像融合中图分类号：TP391.413文献标志码：A0引言摄像机单一传感器不能聚焦所有的目标因此在对同一场景中不同物体成像时摄像机无法获得场景中所有物体都清晰的图像。多聚焦图像融合技术能将多幅图像融合成为一幅图像并提供更完整、更精确和可靠的信息以便于人的观察或机器的后续处理。多图像融合算法在遥感图像处理、机器视觉等领域中获得了越来越多的应用[1-2]。目前针对多聚焦图像融合算法的研究主要分为变换域融合和空间域融合两大类。现有的变换域融合算法大多基于多尺度变换包括以下3个步骤：首先将源图像经过变换得到相应的变换系数；然后根据给定的融合规则合并变换系数；最后对融合系数进行逆变换构造得到融合图像。常用的变换域方法包括拉普拉斯金字塔（LaplacianPyramidLP）变换[3]、离散小波变换（DiscreteWaveletTransformDWT）[4]、双树复小波变换（DualTreeComplexWTDTCWT）[5]、曲线波变换（CurveletTransform）[6]、非下采样轮廓波变换（NonsubSampledContourletTransformNSCT）[7]、剪切波变换（ShearletTransform）[8]和稀疏表示（SparseRepresentationSR）[9]等。因为变换域存在不同程度的分解所以在融合过程中会因为融合系数的不同而存在信息丢失导致融合图像表达信息的不完整。而基于空间域的融合方法是利用一定的方法找到源图像各自的聚焦像素或区域然后直接选取这些不同的像素或区域构成融合图像。常用的基于空间域的方法加权平均法（Average）、主成分分析法（PrincipalComponentAnalysisPCA）、图像形态学（MorphologyM）、清晰度评价函数等[10]但是在不同场景中由于相机运动或物体运动可能造成同一场景包含不同的内容致使不能准确判断一个像素或区域是否模糊。此外源图像变得复杂时传统的基于像素或区域的方法不能得到非常准确的融合结果。抠图技术因电影工业的需求而产生其目的是将前景从背景中分离出来以便将分离出来的前景注入到新的背景中生成期望的图像或视频达到完美的视觉效果。从早期简单的光学抠图到如今利用计算机技术的数字抠图抠图技术获得了巨大发展和进步。目前抠图技术日趋成熟可以从任何图像或视频中提取出任意形状的前景对象[11]。针对变换域融合存在信息丢失和空间域融合不能得到复杂图像的准确融合结果的缺点本文提出了一种新的基于图像抠图技术的多聚焦图像融合算法。首先通过聚焦检测获得源图像的聚焦信息；然后根据聚焦信息利用抠图技术获得对应源图像的聚焦区域增强了图像的聚焦区域和相邻像素之间的联系有效解决相同场景中包含不同内容的多聚焦图像融合问题；最后将所有的聚焦区域进行融合构成融合图像。此外在图像内容变得复杂时传统的融合方法达不到性能最优而抠图技术能够准确地找到源图像的前景轮廓得到非常精确的融合结果。理论分析和实验结果表明与传统的方法相比本文算法的融合结果在融合图像的细节、轮廓处更令人满意。1图像抠图根据用户需求图像抠图技术把一幅图像准确区分为前景部分和背景部分。在图像抠图模型中观察到的图像I（xy）可以被看作是前景F和背景B的组合：C=αF+（1-α）B（1）其中：α为不透明度α为0或1时即为简单的前景和背景的图像分割[12]。抠图技术的关键在于找到准确的α值以将前景从背景中分离出来。由式（1）知得到准确的融合图像需要确定的前景和背景因此大多情况下除了源图像外还需要用户提供一个三分图（trimap）。图1为一幅图像及其对应的trimap图1（b）中原图被分成3个区域：前景、背景和未知