基于改进的空域相关的多聚焦图像融合

提出了一种简单有效的像素级多聚焦图像融合方法。针对正交小波变换缺乏平移不变性而产生视觉失真的缺陷,采用Atrous算法将原图像分解在不同频率域上。Atrous算法先将滤波器h0(n),h1(n)各点间插入适当的零值后再与低频信号做卷积,故又称为"多孔算法"。将具有抑制噪声性能的空阈相关法作为高频子图像的融合规则,选取相关性强边缘特征显著的点作为最终融合子图像的像素点。实验表明,由此融合的图像能完好的保留边缘纹理信息。融合后的图像在客观评价和主管视觉效果上均有提高。     

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。     

浮游藻类细胞显微多聚焦图像融合方法

以鱼腥藻、栅藻和盘星藻为分析对象,通过采集多个焦平面的显微图像,基于拉普拉斯能量与引导滤波以及图像HSV颜色空间饱和度分量分别检测显微图像聚焦区域和失焦区域,研究浮游藻类细胞显微多聚焦图像融合方法,并与小波变换、拉普拉斯金字塔以及脉冲耦合神经网络融合方法进行对比分析。结果表明：鱼腥藻、栅藻和盘星藻融合图像的边缘信息保持度、空间频率、平均梯度分别为0.3529、8.9654、0.0055,0.3778、7.0058、0.0023和0.2940、1.5445、0.0005,均优于对比融合方法,具有更好的边缘信息传递能力及更高的图像清晰度,有效实现了浮游藻类细胞显微多聚焦图像融合,为获取浮游藻类细胞的全景深显微图像提供了思路。     

基于人工鱼群优化分块的多聚焦图像融合

在多聚焦图像的融合过程中,对源图像采用固定大小的分块会导致融合后的图像存在块效应、边缘模糊甚至聚焦错误。为了克服此问题,提出了一种新的基于人工鱼群优化分块的多聚焦图像融合方法。首先,将源图像分解成互不重叠的方块,利用聚焦准则选取清晰度高的方块,将已选择的方块合并重构成初始融合图像。然后,利用改进的人工鱼群优化算法,根据一定的适应度值,寻找最优大小的分块方式,获得更优的融合图像。该方法与基于空域、频域及其他优化算法的融合方法进行了多个实验比较,结果表明,该方法获得的融合图像具有较好的客观质量和主观视觉感觉。     

基于人工鱼群优化分块的多聚焦图像融合

在多聚焦图像的融合过程中,对源图像采用固定大小的分块会导致融合后的图像存在块效应、边缘模糊甚至聚焦错误。为了克服此问题,提出了一种新的基于人工鱼群优化分块的多聚焦图像融合方法。首先,将源图像分解成互不重叠的方块,利用聚焦准则选取清晰度高的方块,将已选择的方块合并重构成初始融合图像。然后,利用改进的人工鱼群优化算法,根据一定的适应度值,寻找最优大小的分块方式,获得更优的融合图像。 该方法与基于空域、频域及其他优化算法的融合方法进行了多个实验比较,结果表明,该方法获得的融合图像具有较好的客观质量和主观视觉感觉。     

基于超分辨率和组稀疏表示的多聚焦图像融合

提出一种基于超分辨率结合组稀疏表示模型的多聚焦图像融合方法.首先,使用双三次插值方法增强源图像的分辨率及源多聚焦图像信息;然后采用自适应稀疏表示学习字典分别对没有明显主导方向和特定主导方向的图像块进行学习,并采用组稀疏表示模型对源多聚焦图像进行稀疏系数表示;最后采用最大l1范数来选择最终的表示系数向量.实验结果表明,所提方法克服了多聚焦图像融合易出现的低空间分辨率和模糊效果的缺点,具有更好的对比度和清晰度,主观视觉效果和客观指标均优于传统多聚焦图像融合方法,在三组图像融合结果的互信息指标上分别领先0.37、0.38和0.32.     

一种基于方向窗特性的Contourlet域的多聚焦图像融合算法

针对同一场景多聚焦图像的融合问题,提出了一种基于方向区域特性的Contourlet域多聚焦图像融合算法.该算法对图像进行Contourlet变换,分解为不同尺度、不同方向的高低频子带;低频和高频子带分别采用方向区域的方差匹配度和能量作为融合规则;最后通过反变换得到融合图像.结果表明,所提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征,是一种有效可行的图像融合算法.     

一种基于清晰度计算的NSCT域多聚焦图像融合算法

针对多聚焦图像的特点．提出了一种基于清晰度计算的非抽样轮廓波变换（Non-Subsampied Contourlet’Transform,NSCT）域多聚焦图像融合算法。该算法首先对源图像进行NSCT分解．以此克服传统Contourlet变换不具平移不变性的缺点。在分析光学成像中散焦表现形式的基础上．对分解后的低频子带和高频方向子带分别以“邻域梯度”及“合成邻域模值”作为清晰度指标。采用自适应选择法实现对多聚焦图像的融合处理。实验结果表明,该方法不仅能有效融合图像中的“伪影”和“振铃效应”．视觉效果明显优于传统小波和Contourlet方法,且融合图像的熵、交叉熵及均方根交叉熵等客观评价指标也有明显提高。     

改进的多曝光图像金字塔融合方法

针对多曝光的拉普拉斯金字塔融合算法存在部分过曝光以及暗部细节丢失问题,用相位一致性滤波函数替换原算法融合系数中的对比度函数,改进算法在提取边缘时可以忽略光照和对比度变化对图像的影响,使得融合结果更自然,细节更丰富.通过多组序列图像验证了算法的优点,并与原算法进行比较.结果表明,主观评价方面,该改进算法的融合结果自然,在强光背景下能较好地保留暗部细节,减少光源处的光晕;客观评价方面,该算法融合的高动态范围图像的方差和直方图结果明显优于原算法,所保留的信息多于原算法.     

一种基于方向窗特性的Contourlet域的多聚焦图像融合算法

针对同一场景多聚焦图像的融合问题,提出了一种基于方向区域特性的Contourlet域多聚焦图像融合算法.该算法对图像进行Contourlet变换,分解为不同尺度、不同方向的高低频子带|低频和高频子带分别采用方向区域的方差匹配度和能量作为融合规则|最后通过反变换得到融合图像.结果表明,所提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征,是一种有效可行的图像融合算法.     

Multi-focus image fusion based on robust principal component analysis and pulse-coupled neural network

Multi-focus image fusion combines multiple source images with different focus points into one image, so that the resulting image appears all in-focus. In order to improve the accuracy of focused region detection and fusion quality, a novel multi-focus image fusion scheme based on robust principal component analysis (RPCA) and pulse-coupled neural network (PCNN) is proposed. In this method, registered source images are decomposed into principal component matrices and sparse matrices with RPCA decomposition. The local sparse features computed from the sparse matrix construct a composite feature space to represent the important information from the source images, which become inputs to PCNN to motivate the PCNN neurons. The focused regions of the source images are detected by the firing maps of PCNN and are integrated to construct the final, fused image. Experimental results demonstrate that the superiority of the proposed scheme over existing methods and highlight the expediency and suitability of the proposed method.     

Multi-focus image fusion based on window empirical mode decomposition

In order to improve multi-focus image fusion quality, a novel fusion algorithm based on window empirical mode decomposition (WEMD) is proposed. This WEMD is an improved form of bidimensional empirical mode decomposition (BEMD), due to its decomposition process using the adding window principle, effectively resolving the signal concealment problem. We used WEMD for multi-focus image fusion, and formulated different fusion rules for bidimensional intrinsic mode function (BIMF) components and the residue component. For fusion of the BIMF components, the concept of the Sum-modified-Laplacian was used and a scheme based on the visual feature contrast adopted; when choosing the residue coefficients, a pixel value based on the local visibility was selected. We carried out four groups of multi-focus image fusion experiments and compared objective evaluation criteria with other three fusion methods. The experimental results show that the proposed fusion approach is effective and performs better at fusing multi-focus images than some traditional methods.     

Multi-focus image fusion based on spatial frequency and morphological operators

A new multi-focus image fusion method using spatial frequency (SF) and morphological operators is proposed. Firstly, the focus regions are detected using SF criteria. Then the morphological operators are used to smooth the regions. Finally the fused image is constructed by cutting and pasting the focused regions of the source images. Experimental results show that the proposed algorithm performs well for multi-focus image fusion.     

Multi-focus image fusion algorithm based on compound PCNN in Surfacelet domain

In order to effectively retain details and suppress noise, a multi-focus image fusion method based on Surfacelet transform and compound PCNN is proposed. Surfacelet transform is a powerful multi-resolution analysis tool which is able to decompose the original image into a number of different frequency band sub-images, compound PCNN model is a combined model of PCNN and dual-channel PCNN which is to select the fusion coefficients from the decomposed coefficients, the Local sum-modified-Laplacian (LSML) is selected as external stimulus of compound PCNN, fusion coefficients are decided by compound PCNN. The experimental results show that the new method has a good performance, fusion image has more texture details and it is more similar to the original images, the objective evaluation indexes show that this method is superior to the traditional image fusion methods.     

Multi-focus image fusion using a bilateral gradient-based sharpness criterion

The aim of multi-focus image fusion is to combine multiple images with different focuses for enhancing the perception of a scene. The challenge is to how evaluate the local content (sharp) information of the input images. To tackle the above challenge, a new bilateral sharpness criterion is proposed to exploit both the strength and the phase coherence that are evaluated using the gradient information of the images. Then the proposed bilateral sharpness criterion is further exploited to perform weighted aggregation of multi-focus images. Extensive experimental results are provided to demonstrate that the proposed bilateral sharpness criterion outperforms conventional seven sharpness criterions.     

改进的曲波变换图像融合方法

考虑将曲波变换引入图像融合能够更好地提取原始图像,对一种新的图像融合方法—曲波变换图像融合法进行了研究。将图像序列进行曲波变换后,通过对所有图像的高频进行逆变换及域值处理来获得区域图。根据区域图中高频区域的边界点在每张图层上的活跃度不同求得区域边界的图层分布,利用插值获得高频区域的区域分布图。通过高频区域的膨胀求得整幅图的区域分布图,然后在曲波变换的变换域,利用区域分布图对多尺度的高频系数采用高斯加权求和;对低频系数采用取平均值的规则完成图像的融合。进行了图像融合实验,实验结果表明,与传统的小波变换及基于像素的曲波变换相比,提出的方法获得的融合图像边缘更清晰,更接近参考图像。     

基于B样条曲线的投影图像边缘融合方法

为了实现对多通道投影画面重叠区域亮度的准确调节,设计了基于B样条曲线的投影图像边缘融合方法。首先,根据投影幕、外界光照环境以及投影仪自身性质设定衰减函数与伽玛校正的参数。接着,通过摄像机采集投影画面的重叠区域并计算每个像素点的颜色强度,通过理想值计算峰值信噪比。然后,比较二次B样条曲线与三次B样条曲线的校正精度与灵活度。最后,通过三次B样条曲线对投影图像进行边缘亮度优化直到峰值信噪比达到标准值为止。实验结果表明:投影画面重叠区域的R通道经B样条曲线优化后峰值信噪比提升了9.13 dB,G通道峰值信噪比提升了6.09 dB,B通道峰值信噪比提升了7.53 dB。基于B样条曲线的投影图像边缘亮度优化技术提高了投影画面重叠区域亮度调节的准确度。