一种结合DSIFT和自适应图像分块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CN111127375A(43)申请公布日2020.05.08(21)申请号201911223803.2(22)申请日2019.12.03(71)申请人重庆邮电大学地址400065重庆市南岸区黄桷垭崇文路2号(72)发明人朱智勤陈强李鹏华李媛源(74)专利代理机构北京同恒源知识产权代理有限公司11275代理人赵荣之(51)Int.Cl.G06T5/50(2006.01)G06K9/46(2006.01)权利要求书3页说明书8页附图1页(54)发明名称一种结合DSIFT和自适应图像分块的多聚焦图像融合方法(57)摘要本专利提出一种基于密集尺度不变特征变换和四叉树自适应分块相结合的多聚焦图像融合。该方法基于源图像的密集尺度不变特征变换获得128维密集描述符，通过叠加所有密集描述符实现源图像活动水平的测量；在四叉树结构内对源图像进行分块，并且根据图像块对的聚焦情况决定该块对的分割，从而实现图像块大小的自适应选取，同时生成图像融合决策图；最后根据图像融合决策图直接复制源图像中的聚焦区域像素值生成完全聚焦的融合图像。该方法的融合图像的像素直接复制源图像聚焦区域的像素保留了更多源图像原始信息，自适应图像分块降低图像块方法的“块效应”，从而提高融合图像的视觉效果。CN111127375ACN111127375A权利要求书1/3页1.一种结合DSIFT和自适应图像分块的多聚焦图像融合方法，其特征在于：包括以下步骤：S1：图像聚焦度描述；S2：图像块分割及块对聚焦判定；S3：图像重构。2.根据权利要求1所述的结合DSIFT和自适应图像分块的多聚焦图像融合方法，其特征在于：步骤S1具体包括以下步骤：S11：输入512*512大小源图像对其进行归一化处理，用适当数量零值像素扩展图像；生成一个5*5的高斯模板，并求出其x、y方向的梯度，然后分别与源图像作卷积运算生成源图像在x、y方向的方向梯度Gx、Gy；通过勾股定理和反正切运算分别得到梯度幅值矩阵|J(x,y)|和幅角矩阵θJ(x,y)；运算公式如下：其中I(x,y)为源图像，g(x,y)为二维高斯函数；通过图像x、y两个方向的方向梯度可以得到图像梯度幅值和梯度幅角，公式如下：θJ(x,y)＝atan2(Gx,Gy)(5)S12：生成8个方向幅值量化权值，并对图像梯度量化生成8个量化梯度矩阵；将每个量化梯度矩阵分为4*4个采样区域并得到采样中心点位置；由于每个采样区域大小相同，生成一个1*16大小高斯核加权的x方向权值，利用对称性得到16*1大小高斯核加权的y方向权值；对8个加权后的量化梯度矩阵进行16次采样生成8*16维512*512大小密集描述符矩阵；其中幅值权值和量化梯度公式如下：w(θJ(x,y)-θt)＝max(0,cos(θJ(x,y)-θt))(6)|J(x,y,θt)|＝w(θJ(x,y)-θt)|J(x,y)|(7)其中8个方向角度用θt表示，Nθ＝8；通过高斯核函数使远离中心点的重要性降低生成128维密集描述符公式如下：2CN111127375A权利要求书2/3页其中Nx＝4，Ny＝4，TT＝(Tx,Ty)；kj(y)是高斯核函数加权的y方向权值，ki(x)是高斯核函数加权的x方向权值，σwin是高斯核函数的方差，*表示卷积运算，mσ是采样范围大小控制参数；S13：对获得的128密集描述符矩阵叠加，生成的密集描述符叠加矩阵可实现图像聚焦测量，公式如下：3.根据权利要求1所述的结合DSIFT和自适应图像分块的多聚焦图像融合方法，其特征在于：步骤S2具体包括以下步骤：S21：分解之前将源图像大小通过填零扩展为2的整数次幂；将源图像作为四叉树的第一级，计算最大分解级数，如果满足分解条件就分为四个图像子块；分成的子块对继续此分解过程，直到所有块对不满足分解条件为止；S22：对于选中的图像块对，分别选择其中最大聚焦测量和最小聚焦测量生成一个全为最大值的矩阵和一个全为最小值的矩阵；计算该块对的聚焦测量值，找到最大聚焦测量值和最小聚焦测量值；源图像的最大聚焦测量矩阵和最小聚焦测量矩阵计算公式如下：SDDmax(x,y)＝max(SDD1(x,y),SDD2(x,y))(14)SDDmin(x,y)＝min(SDD1(x,y),SDD2(x,y))(15)源图像中选中的图像块对中最大聚焦测量矩阵和最小聚焦测量矩阵，计算公式如下：计算一个块对中每个块的聚焦测量值，公式如下：分别找出该块对中的最大聚焦测量值和最小聚焦测量值，公式如下：FMBmax＝max(FMB1,FMB2)(19)FMBmin＝min(FMB1,FMB2)(20)S23：计算该块对中最大聚焦测量值和最小聚焦测量值之差；计算该块对最大密集描述符差之和；计算该块