本发明涉及图像融合处理技术领域，尤其是一种抗噪声环境效果好的多聚焦图像融合方法。
背景技术
摄像机单一传感器不能聚焦所有的目标，因此，在对同一场景中不同物体成像时，摄像机无法获得场景中所有物体都清晰的图像。多聚焦图像融合技术能将多幅图像融合成为一幅图像，并提供更完整、更精确和可靠的信息，以便于人的观察或机器的后续处理。多图像融合算法在遥感图像处理、机器视觉等领域中获得了越来越多的应用。
目前，针对多聚焦图像融合算法的研究，主要分为变换域融合和空间域融合两大类。现有的变换域融合算法大多基于多尺度变换，包括以下3个步骤：首先，将源图像经过变换得到相应的变换系数；然后，根据给定的融合规则合并变换系数；最后，对融合系数进行逆变换构造，得到融合图像。融合技术因电影工业的需求而产生，其目的是将前景从背景中分离出来，以便将分离出来的前景注入到新的背景中，生成期望的图像或视频，达到完美的视觉效果。从早期简单的光学融合到如今利用计算机技术的数字抠图，融合技术获得了巨大发展和进步。
目前，融合技术日趋成熟，可以从任何图像或视频中提取出任意形状的前景对象，然而传统的技术方法融合后容易出现较多的噪音，影响融合图像的质量，这些问题就需要对传统测试方法进行改进，因此，在这里我们提出一种抗噪声环境效果好的多聚焦图像融合方法。
技术实现要素：
本发明针对背景技术中的不足，提供了一种抗噪声环境效果好的多聚焦图像融合方法。
本发明为解决上述技术不足，采用改性的技术方案，一种抗噪声环境效果好的多聚焦图像融合方法，包括以下融合方法，
步骤s1首先，通过聚焦检测获得源图像的聚焦信息；
步骤s2根据聚焦信息，利用抠图技术获得对应源图像的聚焦区域，增强了图像的聚焦区域和相邻像素之间的联系，有效解决相同场景中包含不同内容的多聚焦图像融合问题；
步骤s3将所有的聚焦区域进行融合，构成融合图像。
作为本发明的进一步优选方式，步骤s1中，聚焦检测需要通过算法进行获得，所述聚焦检测算法是将摄像机的输出图像数据看作是摄像机输入的非线性函数,即g(x)＝n(f(x))，x-像素的图像帧存位置值，因此,g(x)可以在固定输入值f0(x)处,得到以下公式：
g(x)＝n(f0(x))+(f(x)-f0(x)
即，g(x)＝a0(x)+a1(x)f(x)+a2(x)f2(x)+…。其中,a0(x),a2(x),…为常系数，对于高质量的线阵传感器,二阶以上的高阶项可忽略不计，摄像机输入近似为：f＝g(x)-a0(x)a1(x),只要确定了常系数a0(x),a1(x),就可以对摄像机进行校正，为了实现校正算法,首先分析每个像素点的响应,而且每个ccd器件都不相同,并应考虑温度和曝光时间的影响,校正算法即求出校正因子和暗偏置，两点校正法如下进行：
a，在不曝光的情况下,测试ccd器件的每个像素输出,即测出像素的暗偏置的值，y(dn)＝x{n(dn)-a}式中:y(dn)-校正输出值,即g(x)；x-校正因子,即上面的a1(x)；n(dn)-原始数据值,即上面的f(x)；a-暗偏置的值；
b，将ccd曝光于已知的一定级别的均匀照明,并使之接近饱和曝光量,即让ccd输出接近vsat的饱和输出电压,两个极限点测量确定了校正因子,其它中间点的测量可以用作参考值,从而确立校正曲线；x＝vsat/{n(dn)100％-a}式中:vsat-饱和输出电压；n(dn)100-接近100％曝光情况下像素输出灰度值；a-暗偏置的值；(-x·a)＝a0(x)，在求解常系数a1(x)和a0(x)过程中,对于每个像素可以取多个定标点。
作为本发明的进一步优选方式，步骤s2中，需要进行图像非均匀性检测，所述图像非均匀性检测由led光源、线阵ccd、信号处理电路、图像采集系统、亮度计构成，检测步骤包括如下：
l1，借助亮度计按线性调整led的亮度；
l2，借助图像采集系统读出ccd此时的数值，反复几次，即可利用数据求出ccd的校正系数；
l3，在上位机上存储此系数，在每次使用色选机时，通过上位机发送此系数至fpga通道板，fpga可以通过前面阐述过的算法，输出校正过后的数值。
作为本发明的进一步优选方式，步骤s3中，聚焦融合过程中随机变量y1，y2…yn是独立的，是指在i≠j时，yi的取值情况对于yj如何取值没有提供任何信息。从技术角度上，独立一般是通过概率密度来定义，令y1，y2…yn是随机变量，定义p(y1，y2…yn)为y1，y2…yn的联合概率密度函数(pdf)，pi(yi)为yi的边缘pdf，当且仅当联合pdf可以因式分解为：
p(y1,y2,…,yn)＝p1(y1)p(y2)…pn(yn)
也就是说y1，y2…yn的联合概率密度函数(pdf)能够分解成它们的边缘密度的积，那么我们就可以说yi是相互独立的，同时独立的随机变量x，y，z,…有如下性质：
e{gx(x)gy(y)gz(z)...}＝e{gx(x)}e{gy(y)}e{gz(z)}...
其中，gx(x)，gy(y)和gz(z)分别是随机变量x，y，z的任意函数。
本发明所达到的有益效果是：本发明充分将聚焦图像进行详细检测，排除噪音，充分增强了图像的聚焦区域和相邻像素之间的联系，并通过高精准的检测算法，将融合过程中噪音杂质排除，同时具有计算所需的时间和空间资源小、图像融合质量高的优点。
具体实施方式
下面将结合本发明实施例中，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种技术方案：一种抗噪声环境效果好的多聚焦图像融合方法，包括以下融合方法，
步骤s1首先，通过聚焦检测获得源图像的聚焦信息；
步骤s2根据聚焦信息，利用抠图技术获得对应源图像的聚焦区域，增强了图像的聚焦区域和相邻像素之间的联系，有效解决相同场景中包含不同内容的多聚焦图像融合问题；
步骤s3将所有的聚焦区域进行融合，构成融合图像。
步骤s1中，聚焦检测需要通过算法进行获得，所述聚焦检测算法是将摄像机的输出图像数据看作是摄像机输入的非线性函数,即g(x)＝n(f(x))，x-像素的图像帧存位置值，因此,g(x)可以在固定输入值f0(x)处,得到以下公式：
g(x)＝n(f0(x))+(f(x)-f0(x)
即，g(x)＝a0(x)+a1(x)f(x)+a2(x)f2(x)+…。其中,a0(x),a2(x),…为常系数，对于高质量的线阵传感器,二阶以上的高阶项可忽略不计，摄像机输入近似为：f＝g(x)-a0(x)a1(x),只要确定了常系数a0(x),a1(x),就可以对摄像机进行校正，为了实现校正算法,首先分析每个像素点的响应,而且每个ccd器件都不相同,并应考虑温度和曝光时间的影响,校正算法即求出校正因子和暗偏置，两点校正法如下进行：
a，在不曝光的情况下,测试ccd器件的每个像素输出,即测出像素的暗偏置的值，y(dn)＝x{n(dn)-a}式中:y(dn)-校正输出值,即g(x)；x-校正因子,即上面的a1(x)；n(dn)-原始数据值,即上面的f(x)；a-暗偏置的值；
b，将ccd曝光于已知的一定级别的均匀照明,并使之接近饱和曝光量,即让ccd输出接近vsat的饱和输出电压,两个极限点测量确定了校正因子,其它中间点的测量可以用作参考值,从而确立校正曲线；x＝vsat/{n(dn)100％-a}式中:vsat-饱和输出电压；n(dn)100-接近100％曝光情况下像素输出灰度值；a-暗偏置的值；(-x·a)＝a0(x)，在求解常系数a1(x)和a0(x)过程中,对于每个像素可以取多个定标点。
步骤s2中，需要进行图像非均匀性检测，所述图像非均匀性检测由led光源、线阵ccd、信号处理电路、图像采集系统、亮度计构成，检测步骤包括如下：
l1，借助亮度计按线性调整led的亮度；
l2，借助图像采集系统读出ccd此时的数值，反复几次，即可利用数据求出ccd的校正系数；
l3，在上位机上存储此系数，在每次使用色选机时，通过上位机发送此系数至fpga通道板，fpga可以通过前面阐述过的算法，输出校正过后的数值。
步骤s3中，聚焦融合过程中随机变量y1，y2…yn是独立的，是指在i≠j时，yi的取值情况对于yj如何取值没有提供任何信息。从技术角度上，独立一般是通过概率密度来定义，令y1，y2…yn是随机变量，定义p(y1，y2…yn)为y1，y2…yn的联合概率密度函数(pdf)，pi(yi)为yi的边缘pdf，当且仅当联合pdf可以因式分解为：
p(y1,y2,…,yn)＝p1(y1)p(y2)…pn(yn)
也就是说y1，y2…yn的联合概率密度函数(pdf)能够分解成它们的边缘密度的积，那么我们就可以说yi是相互独立的，同时独立的随机变量x，y，z,…有如下性质：
e{gx(x)gy(y)gz(z)...}＝e{gx(x)}e{gy(y)}e{gz(z)}...
其中，gx(x)，gy(y)和gz(z)分别是随机变量x，y，z的任意函数。
实施例
为了验证本发明的实际效果，采用图像融合方法中经常使用的clock多聚焦图像，图像大小为256×256，灰度级为256，对完全配准过的多聚集图像进行融合仿真实验，并将融合结果与原lp变换方法(现有方法1)、改进的lp变换方法(现有方法2)及改进的lp变换结合pcnn的方法(本发明方法)进行比较。对现有方法1及现有方法2，采用低频系数取平均和高频系数按模值最大选取的融合规则。
采用本发明提出的方法进行图像融合的结果与参考图像是最接近的。更精确的计算结果也印证了这个结论，如表1所示。
综上述，本发明充分将聚焦图像进行详细检测，排除噪音，充分增强了图像的聚焦区域和相邻像素之间的联系，并通过高精准的检测算法，将融合过程中噪音杂质排除，同时具有计算所需的时间和空间资源小、图像融合质量高的优点。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。