【摘要】：為建立一個有效的活躍度測量模型來檢測多聚焦圖像的聚焦區(qū)域,針對多數(shù)融合方法效率不高和處理源圖像未配準(zhǔn)問題的不足,提出一種基于多視覺特征和引導(dǎo)濾波的快速魯棒多聚焦圖像融合方法.首先通過分別測量對比度顯著性、清晰度和結(jié)構(gòu)顯著性這3個互補(bǔ)的視覺特征對源圖像聚焦區(qū)域進(jìn)行檢測,獲得初始的融合決策圖;為了充分利用空間一致性并有效抑制融合結(jié)果中偽影的產(chǎn)生,利用形態(tài)學(xué)濾波和引導(dǎo)濾波對初始決策圖進(jìn)行優(yōu)化,從而獲得最終的融合權(quán)重圖;最后根據(jù)優(yōu)化的權(quán)重圖對源圖像進(jìn)行加權(quán)融合,獲得融合圖像.實(shí)驗(yàn)結(jié)果表明,無論是主觀視覺效果還是客觀定量評價,該方法均優(yōu)于一些主流的多聚焦圖像融合方法.
[Abstract]:In order to establish an effective activity measurement model to detect the focus region of multi-focus image, the efficiency of most fusion methods is not high and the problem of unregistration of source image is insufficient. A fast robust multi-focus image fusion method based on multi-visual features and guided filtering is proposed. Firstly, three complementary visual features, namely, contrast saliency, clarity and structural significance, are measured to detect the focus region of the source image, and the initial fusion decision map is obtained. In order to make full use of spatial consistency and effectively suppress artifacts in fusion results, the initial decision map is optimized by morphological filtering and guided filtering, and the final fusion weight map is obtained. Finally, the source image is weighted and fused according to the optimized weight graph. The experimental results show that the proposed method is superior to some mainstream multi-focus image fusion methods both in subjective visual effect and objective quantitative evaluation.
【作者單位】： 江西財經(jīng)大學(xué)信息管理學(xué)院;江西省數(shù)字媒體重點(diǎn)實(shí)驗(yàn)室;江西財經(jīng)大學(xué)軟件與通信工程學(xué)院;
【基金】：國家自然科學(xué)基金(61662026,61462031,61262034) 江西省自然科學(xué)基金(20151BAB207033,20161ACB21015) 江西省高�？萍悸涞赜�(jì)劃項(xiàng)目(KJLD14031,GJJ150461)
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 陳木生;;結(jié)合NSCT和壓縮感知的紅外與可見光圖像融合[J];中國圖象圖形學(xué)報;2016年01期

2 張凱;李緒志;;基于區(qū)域相關(guān)性的高分辨率遙感圖像融合算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報;2014年06期

3 屈小波;閆敬文;肖弘智;朱自謙;;非降采樣Contourlet域內(nèi)空間頻率激勵的PCNN圖像融合算法(英文)[J];自動化學(xué)報;2008年12期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊勇;闕越;黃淑英;萬偉國;;多視覺特征和引導(dǎo)濾波的魯棒多聚焦圖像融合[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報;2017年07期

2 謝秋瑩;易本順;柯祖福;李衛(wèi)中;;基于SML和PCNN的NSCT域多聚焦圖像融合[J];計(jì)算機(jī)科學(xué);2017年06期

3 龔淼;張尤賽;李垣江;;區(qū)域能量和圖像自相似的NSCT域圖像融合[J];傳感器與微系統(tǒng);2017年05期

4 肖斌;姜彥君;李偉生;王國胤;;基于離散Tchebichef變換的多聚焦圖像融合方法[J];電子與信息學(xué)報;2017年08期

5 劉健;程英蕾;聶玉澤;;基于NSST域方向性加權(quán)的多聚焦圖像融合方法[J];空軍工程大學(xué)學(xué)報(自然科學(xué)版);2017年02期

6 李艷瑋;鄭偉勇;;基于目標(biāo)提取和信息逼真度的圖像融合[J];計(jì)算機(jī)工程與設(shè)計(jì);2017年04期

7 王紅梅;亓子龍;;基于人工魚群優(yōu)化的自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像融合[J];光電子·激光;2017年04期

8 榮傳振;賈永興;楊宇;朱瑩;王淵;;NSCT域內(nèi)基于自適應(yīng)PCNN的圖像融合新方法[J];信號處理;2017年03期

9 趙杰;溫馨;劉帥奇;張宇;;基于NSST域的自適應(yīng)區(qū)域和SCM相結(jié)合的多聚焦圖像融合[J];計(jì)算機(jī)科學(xué);2017年03期

10 鄒瑋剛;周志輝;王洋;;基于非降采樣輪廓波變換的圖像修復(fù)算法[J];計(jì)算機(jī)應(yīng)用;2017年02期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王瑞;杜林峰;陳俊麗;萬旺根;;結(jié)合隨機(jī)投影和稀疏表示的圖像融合方法[J];上海交通大學(xué)學(xué)報;2014年10期

2 楊桄;童濤;陸松巖;李紫陽;鄭悅;;基于多特征的紅外與可見光圖像融合[J];光學(xué)精密工程;2014年02期

3 陳天華;林雨辰;;基于NSCT變換的紅外與可見光圖像融合方法[J];北京交通大學(xué)學(xué)報;2013年06期

4 劉羽;汪增福;;結(jié)合小波變換和自適應(yīng)分塊的多聚焦圖像快速融合[J];中國圖象圖形學(xué)報;2013年11期

5 劉歡喜;朱天z，

本文編號：2209768