PCA分块结合高通滤波的多聚焦图像融合研究

针对传统像素级图像融合方法割裂像素间联系的问题,提出了一种新的基于区域检测的图像融合方法。该算法主要利用PCA与高通瘛波进行区域的检测。首先,将图像分块;其次,对每块利用高通滤波和主分量分析算法判断其是清晰块还是模糊块。最后选择相应的清晰块重构图像,从而得到最终的融合结果图。实验结果表明,此方法优于传统的PCA和小波方法。     

基于分块的不可分小波多聚焦图像融合

为解决现有图像融合方法存在均方根误差较大、熵值和空间频率较小的问题,提出一种基于分块的不可分小波多聚焦图像融合方法.该方法利用不可分小波滤波器组对原图像进行多尺度分解,选取特征较明显(方差大)的块作为融合子图像的组成块,对融合块图像做不可分小波逆变换后形成融合图像.实验结果表明,相比其他融合方法,该方法能消除块痕迹、节...     

基于图像块能量梯度的多聚焦图像融合

针对多聚焦图像,提出一种基于图像分块的融合方法。将源图像分为大小相同数量相等的子块,采用能量梯度算子作为对焦评价函数,计算各个图像子块能量梯度匹配度,设置匹配度阈值分离出源图像中的清晰区域。源图像中的清晰区域直接作为融合图像相应的区域,其它区域的处理中,构造与相应子块能量梯度大小相关的图像序列,以及像素点到各个子块中心距离相关的融合函数,然后用融合函数对图像序列融合。实验结果表明该方法有效性和合理性。     

Fuzzy Based Hybrid Focus Value Estimation for Multi Focus Image Fusion

Due to limited depth-of-field of digital single-lens reflex cameras, the scene content within a limited distance from the imaging plane remains in focus while other objects closer to or further away from the point of focus appear as blurred (out-of-focus) in the image. Multi-Focus Image Fusion can be used to reconstruct a fully focused image from two or more partially focused images of the same scene. In this paper, a new Fuzzy Based Hybrid Focus Measure (FBHFM) for multi-focus image fusion has been proposed. Optimal block size is very critical step for multi-focus image fusion. Particle Swarm Optimization (PSO) algorithm has been used to find optimal size of the block of the images for extraction of focus measure features. After finding optimal blocks, three focus measures Sum of Modified Laplacian, Gray Level Variance and Contrast Visibility has been extracted and combined these focus measures by using intelligent fuzzy technique. Fuzzy based hybrid intelligent focus values were estimated using contrast visibility measure to generate focused image. Different sets of multi-focus images have been used in detailed experimentation and compared the results with state-of-the-art existing techniques such as Genetic Algorithm (GA), Principal Component Analysis (PCA), Laplacian Pyramid discrete wavelet transform (DWT), and aDWT for image fusion. It has been found that proposed method performs well as compare to existing methods.

     

小型静态CT用多焦点X射线源电子束偏转系统研究

第5代全静态电子束CT（EBCT）能在被检测物体、射线源和探测器均处于静止状态下完成CT扫描成像。这种EBCT成像方式既可应用于粉体材料、生物活体样品等易形变物体的CT检测，又可应用于物流包裹、在役管线等的快速CT检测。高精度的电子束偏转系统是静态CT成像多焦点射线源的关键技术之一。本文基于麦克斯韦电磁场相互作用理论，探讨了电子束在均匀磁场、小偏转角、近轴区域内的散焦、畸变及灵敏度特性，研究了影响电子束扫描系统焦点位置重复精度的物理参数及电子束在靶平面上的扫描偏转量与偏转线圈电流的线性关系。并设计、加工制作了一种小型高精度多焦点X射线的电子束偏转扫描系统，实验采用直径0.1 mm标准针规电子束扫描DR投影图像序列，验证了电子束偏转系统有良好的偏转线性，偏转量正比于O点的磁场强度，而与电子束的位置等初始条件无关。实验通过电子束偏转系统控制电子束偏转扫描，获得了熔断式保险管（Ø100 μm）的250个 X 射线视角投影，完成了第5代全静态三维CT重建图像。     

基于各向异性热扩散方程的多聚焦图像融合算法

本文根据多聚焦图像的光学成像原理,利用各向异性热扩散方程来估计图像深度信息,并讨论一种基于深度信息提取的多聚焦图像的融合算法.算法首先对两幅多聚焦图像进行光学成像过程的模拟,分别建立正向区域的热扩散方程,通过对热扩散方程的迭代求解估计出图像场景的深度信息.然后对深度信息进行自适应的区域划分,分别得到每幅图像的清晰区域,模糊区域和中间过渡区域.最后通过提取清晰区域的像素点,融合过渡区域的像素点实现多聚焦图像的融合.理论推导和实验验证表明,本方法能够克服常用算法中出现的块效应和人工痕迹,是一种有效的图像融合算法.     

基于多方向复支持度变换的多聚焦图像融合

针对支持度变换应用于多聚焦图像融合存在的不足,提出复方向滤波器组与支持度变换相结合的图像融合方法.采用支持度变换对图像进行多尺度分解以提取高频和低频分量,运用复方向滤波器组对各级高频分量进行分解,提取各方向图像信息,对源图像各对应频带的分解信息按照规则融合,并重构得到融合图像.实验结果表明,该方法不仅可取得较好的主观融合效果,而且客观融合指标也优于支持度变换方法.     

利用拉普拉斯能量和CNN的多聚焦图像融合方法

多聚焦图像融合技术的目的是生成一幅全聚焦图像.所谓全聚焦图像,就是将不同源图像的清晰区域集成到一幅单一的图像中.传统的图像融合方法通常存在块伪影、人造边、晕轮效果、振铃效果以及对比度下降等问题.对此,本文提出了一种利用拉普拉斯能量和CNN的多聚焦图像融合方法.使用拉普拉斯能量算子可以有效的提取源图像的聚焦信息,而训练后的卷积神经网络模型从聚焦信息图中提取的聚焦特征可以有效的进行聚焦子块和离焦子块的区分.训练后的卷积神经网络模型不仅具有很好的提取活跃窗口相对聚焦度的能力,而且可以获得精确的分割边界.在经过多轮训练后,卷积神经网络模型可以很好的在源图像和分值图之间建立一种有效的映射,这对于生成一幅精准的聚焦图至关重要.采用二值分割和小区域滤波技术来对聚焦图进行进一步的修正,获得用于融合的最终决策图.最后,根据最终决策图提供的权值,对多幅源图像进行融合形成最终的融合图像.实验结果表明,无论从视觉效果还是从定量评价方面,提出的方法均优于目前已有的其它融合方法.     

基于对比度的小波图像融合算法研究

图像融合可以集成多个源图像中的冗余和互补信息,增加图像理解的全面性,获得对同一场景的更为准确可靠的图像描述。传统的小波图像融合方法的融合规则是分别对低频和高频系数进行处理,忽略了两者之间的联系。本文提出利用对比度将高频系数和低频系数的处理联系起来,并以对比度作为度量系数取舍的准则进行图像融合。实验仿真研究表明,本文提出的算法很好地保留了多幅源图像的有用信息,是一种有效的图像融合算法。     

基于NSCT和分数阶微分的多聚焦图像融合方法

为了增加图像的细节信息,提出了一种基于NSCT和分数阶微分的多聚焦图像融合方法。首先采用NSCT将源图像分解为低频子带和高频子带,低频融合规则以基于局部对比度的变化显著度最大为决策图,高频融合规则以基于分数阶微分算法的梯度最大为决策图。最后通过逆NSCT得到融合图像。通过对比多组融合图像主、客观评价结果表明,该方法能有效保留边缘信息。