一种新的多聚焦图像融合技术的制作方法
【专利摘要】本发明公开了一种新的多聚焦图像融合技术，该发明首先将源图像进行块分割,计算反映图像块聚焦程度的清晰度特征;再将源图像的部分区域作为训练样本,获得训练后的核Fisher判别分析参数;然后利用已知的核Fisher判别分析获得初步融合图像;最后对位于源图像清晰与模糊区域交界处的源图像块利用NSCT变换进行处理后,得到最终融合图像。实验结果表明,该方法的图像融合效果优于常用图像融合方法,可在有效提高图像融合质量与减少计算量之间获得较好的折衷。
【专利说明】一种新的多聚焦图像融合技术
【技术领域】
[0001]本发明属于多聚焦图像融合，具体涉及到一种新的多聚焦图像融合技术。
【背景技术】
[0002]图像融合是当前图像处理界的研究热点之一，它广泛应用于遥感、机器视觉、医学、军事、司法与制造业等领域。在采用CCD或CMOS等图像传感器获取影像的时候，由于镜头景深的原因，位于聚焦平面上的景物在图像上可获得清晰的投影，而在其他位置上的景物在图像上受到不同程度的模糊。一幅处处聚焦的图像是许多后续处理的前提条件，解决这一问题的主要方法就是多聚焦图像融合技术，即采用不同的焦距设置拍摄一系列图像，然后将这些图像进行融合处理，获得一幅处处清晰的融合图像。近年来，模式分类方法被广泛的引入到图像融合领域中，有学者分别提出了基于神经网络、支持向量机与支持向量聚类的融合策略。
[0003]核Fisher判别分析(KFDA)是在Fisher线性判别(FDA)基础上提出的一种非线性分类方法，它不依赖于对模型的选择，也不存在采用神经网络进行分类处理中易出现的维数灾难与局部极小点问题。相比支持向量机，KFDA具有两个优点:I)没有支持向量的概念，其复杂性与训练样本的数目成比例，而支持向量机的复杂度与支持向量的个数密切相关；2) KFDA的性能在某些方面优于支持向量机，其主要原因是前者的训练依赖于全部训练样本，而后者主要依靠支持向量。
【发明内容】
[0004]本发明的目的将KFDA应用到多聚焦图像融合中，提出了一种新的多聚焦图像融合技术，本发明的具体过程如下:
[0005]步骤1:将大小为MXN的源图像A，B分为若干大小为dXd的图像块，定义sign(m，n)为对应 于融合图像F的每个图像块的标志矩阵，其中O≤m≤M/d-1, O ≤ η ≤ N/d-1。
[0006]步骤2:分别计算每个图像块的3个特征，改进的拉普拉斯能量和SML、空间频率SF，以及平均梯度E0G，定义对应源图像块Ah与Bh的特征向量分别为[SMLa，SFa，EOGa]与[SMLb, SFb, EOGb]。
[0007]其中
【权利要求】
1.一种新的多聚焦图像融合技术，其主要步骤如下: 步骤1:将大小为M*N的源图像A, B分为若干大小为d*d的图像块，定义sign(m,n)为对应于融合图像F的每个图像块的标志矩阵，其中O≤ m≤M/d-1,0≤n≤N/d-1.步骤2:分别计算每个图像块的3个特征，改进的拉普拉斯能量和SML、空间频率SF，以及平均梯度E0G，定义对应源图像块Ak与Bk的特征向量分别为
【文档编号】G06T5/50GK103854265SQ201210520508
【公开日】2014年6月11日 申请日期:2012年12月3日 优先权日:2012年12月3日
【发明者】朱亚辉, 但春林 申请人:西安元朔科技有限公司