受光場相機微透鏡幾何標定精度的影響,4D光場在角度方向上的解碼誤差會造成積分后的重聚焦圖像邊緣信息損失,從而降低全聚焦圖像融合的精度。該文提出一種基于邊緣增強引導濾波的光場全聚焦圖像融合算法,通過對光場數字重聚焦得到的多幅重聚焦圖像進行多尺度分解、特征層決策圖引導濾波優(yōu)化來獲得最終全聚焦圖像。與傳統(tǒng)融合算法相比,該方法對4D光場標定誤差帶來的邊緣信息損失進行了補償,在重聚焦圖像多尺度分解過程中增加了邊緣層的提取來實現圖像高頻信息增強,并建立多尺度圖像評價模型實現邊緣層引導濾波參數優(yōu)化,可獲得更高質量的光場全聚焦圖像。實驗結果表明,在不明顯降低融合圖像與原始圖像相似性的前提下,該方法可有效提高全聚焦圖像的邊緣強度和感知清晰度。 

【文章來源】：電子與信息學報. 2020,42(09)北大核心EICSCD

【文章頁數】：9 頁

【部分圖文】：

Cup圖像融合實驗結果對比

≈翟醬螅?鼐勱雇?像數目越多，對應到實際場景中的聚焦面越多，融合后的圖像越清晰。從融合算法的時間復雜度考慮，在滿足目標融合圖像清晰度要求的前提下，N的取值應盡量校2.2重聚焦圖像引導濾波融合Inr1ε1r2將式(2)得到的重聚焦圖像作為傳統(tǒng)引導濾波算法框架[11]的待融合圖像，采用平均濾波器將多幅重聚焦圖像分別分解為基礎層和細節(jié)層，同時利用拉普拉斯算子計算多幅重聚焦圖像的初步融合決策圖。將重聚焦圖像作為引導圖，初步融合決策圖作為輸入圖，通過設定引導濾波的參數,,,圖1光場數字重聚焦幾何模型2294電子與信息學報第42卷

引導濾波參數記為,，細節(jié)層的引導濾波參數記為,。根據文獻[11]，基礎層、細節(jié)層的引導濾波參數設定為：,,,。,的優(yōu)化原則是：在不降低融合的全聚焦圖像與源圖像(重聚焦圖像)相似性的前提下，使得最終得到的全聚焦圖像盡量清晰。本文采用文獻[16]對應的光場圖像數據集為測試對象來分析,對濾波器融合性能的影響，融合性能指標分別選取平均梯度(AverageGradient,AG)、歸一化互信息(NormalizedMutualInformation,NMI)、改進的結構相似性(ModifiedStructuralSimilarityIn-圖22D光場原圖的解碼及積分第9期武迎春等：基于邊緣增強引導濾波的光場全聚焦圖像融合2295

【參考文獻】：
期刊論文
[1]基于小波域清晰度評價的光場全聚焦圖像融合[J]. 謝穎賢,武迎春,王玉梅,趙賢凌,王安紅.  北京航空航天大學學報. 2019(09)
[2]基于優(yōu)化字典學習的遙感圖像融合方法[J]. 劉帆,裴曉鵬,張靜,陳澤華.  電子與信息學報. 2018(12)
[3]基于Hess矩陣的多聚焦圖像融合方法[J]. 肖斌,唐翰,徐韻秋,李偉生.  電子與信息學報. 2018(02)



本文編號：3326994