摘要：受相机景深的限制,单次成像无法对不同景深的内容全部清晰成像.多聚焦图像融合技术可以将不同聚焦层次的图像融合为一幅全聚焦的图像,其中如何得到准确的聚焦映射是多聚焦图像融合中的关键问题.对此,利用卷积神经网络强大的特征提取能力,设计具有公共分支和私有分支的联合卷积自编码网络以学习多源图像的特征,公共分支学习多幅图像之间的公共特征,每幅图像的私有分支学习该图像区别于其他图像的私有特征.基于私有特征计算图像的活动测度,得到图像聚焦区域映射,据此设计融合规则以融合两幅多聚焦图像,最终得到全聚焦的融合图像.在公开数据集上的对比实验结果显示:主观评测上,所提出的方法能够较好地融合聚焦区域,视觉效果自然清晰;客观指标上,该方法在多个评价指标上优于对比方法.

摘要：利用非下采样Contourlet变换(NSCT)的系数特点,设计NSCT域中高低频融合规则,并结合基于区域分割的边缘检测算法,针对多聚焦图像提出了一种有效的融合算法.首先通过NSCT变换把2幅待融合图像分解为一个低频系数矩阵和一系列的高频系数矩阵,对低频系数采用局域方差、局域空间频率、局域改进的拉普拉斯能量和3个统计特征的加权平均进行融合,对高频系数基于局部纹理特征进行融合,经过NSCT逆变换后得到初步的融合结果;然后根据初步融合图像和待融合图像的残差图识别出清晰区域,对清晰区域进行边缘检测,将该边缘信息覆盖到初步融合的图像上,得到最终的融合图像.与传统DWT,NSCT变换和基于视觉特性的NSCT域图像融合算法进行实验对比的结果表明,该算法在视觉效果和平均梯度、互信息、空间频率与边缘保持度等多个评价指标上均有优势.

摘要：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.

摘要：针对目前多聚焦图像融合方法处理含噪图像缺乏有效性而导致融合效果较差的问题,提出一种引导滤波结合脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域内多聚焦图像融合方法。首先,分别对待融合多聚焦图像进行NSST获取其相应高频子带和低频子带系数;对高频子带系数,通过引导滤波结合改进简化PCNN模型设置融合规则;提取相位一致性、清晰度和亮度等底层视觉特性,指导低频子带系数融合权重;最后反NSST获取最终融合结果。实验结果表明,本文方法能够在噪声干扰情况下有效完成多聚焦融合,并且边缘和纹理信息保持较好,当20标准差噪声时互信息提升了近0.15具有有效性。

摘要：针对BURT法中阈值固定、与图像的不确定性较少关联的弊端,设计了一种基于小波变换的自适应融合算法。该算法运用小波变换对多聚焦图像进行分解,利用源图像的匹配度作为自适应阈值进行判别,再做相应的最大选取以及加权平均,最终通过小波逆变换得到融合图像。实验结果表明,该方法能够获得具有更丰富的信息量以及更高的清晰度的融合图像。

摘要：目的对于微距摄影来说,由于微距镜头的景深有限,往往很难通过单幅照片获得拍摄对象全幅清晰的图像。因此要想获取全幅清晰的照片,就需要拍摄多幅具有不同焦点的微距照片,并对其进行融合。方法传统的微距照片融合方法一般都假定需要融合的图像是已经配准好的,也并没有考虑微距图像的自动采集。因此提出了一种用于微距摄影的多聚焦图像采集和融合系统,该系统由3个部分组成。第1部分是一种微距图像拍摄装置,该硬件能够以高精度的方式拍摄物体在不同焦距下的微距照片。第2部分是一个基于不变特征的图像配准组件,它可以对在多个焦点下拍摄的微距图像进行自动配准和对齐。第3部分是一个基于图像金字塔的多聚焦图像融合组件,这个组件能够对已经对齐的微距照片进行融合,使得合成的图像具有更大的景深。该组件对基于图像金字塔的融合方法进行了扩展,提出了一种基于滤波的权重计算策略。通过将该权重计算与图像金字塔相结合,得到了一种基于多分辨率的多聚焦图像融合方法。结果论文使用设计的拍摄装置采集了多组实验数据,用以验证系统硬件设计和软件设计的正确性,并使用主观和客观的方法对提出的系统进行评价。从主观评价来看,系统合成的微距图像不仅具有足够的景深,而且在高分辨率下也能够清晰地呈现物体微小的细节。从客观评价来看,通过将系统合成的微距图像与其他方法合成的微距图像进行量化比较,在标准差、信息熵和平均梯度3种评价标准中都是最优的。结论实验结果表明,该系统是灵活和高效的,不仅能够对多幅具有不同焦点的微距图像进行自动采集、配准和融合,并且在图像融合的质量方面也能和其他方法相媲美。

摘要：多聚焦图像融合的关键问题是如何更好地保持源图像的轮廓信息和细节信息。形态小波具有小波变换的多层次分解特性和形态学的非线性特性。提出了一种基于形态小波变换的多聚焦图像融合算法。根据形态小波分解信号的特点,分别对高频系数和低频系数设计不同的融合规则:高频系数采用方向相关方法,最大程度保留细节和细节信息的方向特性;低频系数采用加权平均方法,该方法轮廓明显,最大程度地保留了轮廓信息。实验结果表明:该方法融合图像效果优于传统图像融合方法。

摘要：针对传统多聚焦图像融合方法不能有效度量图像中聚焦区域的问题,提出一种基于高阶奇异值分解的图像融合新方法。高阶奇异值分解可以精确提取图像纹理特征,并对源图像进行分解。充分考虑像素间的区域相关性,提取分解系数的空间频率、平均梯度和区域能量等区域特征,并提出一种新颖的基于区域特征的多活动测度融合策略,该策略可有效度量图像中的聚焦区域。实验结果表明,该融合方法能够更好地保留图像的边缘细节信息。

摘要：针对多聚焦图像融合提取聚焦区域不准确,融合图像的边缘存在伪影的问题,提出了一种基于鲁棒主成分分析的多聚焦图像融合方法。首先,用鲁棒主成分分析将源图像分解为低秩分量和稀疏分量。然后分析不同分量的特性,设计相应的融合规则。针对低秩分量,提出基于卷积神经网络的融合策略,用于提取源图像的纹理细节,构建权重图;对于稀疏分量,采用基于拉普拉斯能量和的方法生成决策图,为了使决策图的边缘与源图像保持一致,将多幅源图像的均值作为引导图像并用引导滤波器对决策图进行优化。最后,根据融合后的低秩分量和稀疏分量重构出最终的融合图像。实验结果表明,该方法提高了融合图像的对比度和边缘清晰度,在主观分析和客观评价指标上都优于其他七种方法。

摘要：针对同一场景两幅严格配准的多聚焦图像融合问题,设计一种基于区域一致性的多聚集图像融合算法。该算法利用比率金字塔变换得到图像的多分辨序列,采用基于区域一致性的融合方法,在图像的相应层次序列的各级金字塔图像上进行融合以获取最终的融合图像。从目视效果来看,采用文中算法进行图像融合,基本上能够将两幅左右聚焦的图像融合成一幅清晰的单一聚焦图像。实验结果表明:该算法与同类其他算法相比较,相关系数提高了0.08%,偏差度降低了30.67%～31.05%,互信息提高了7.92%～7.97%。