一种利用形态学和自由边界条件活动轮廓模型的多聚焦图像融合方法
【技术领域】
[0001] 本发明设及一种利用形态学和自由边界条件活动轮廓模型的多聚焦图像融合方 法，属于数字图像处理领域，它主要设及数学形态学和图像融合技术。图像融合可W有效提 高图像信息的利用率，并且为图像理解与分析等奠定良好基础。因此，多聚焦图像融合在各 类基于图像的应用系统中有广阔的应用前景。
【背景技术】
[0002] 多聚焦图像融合技术是一种获得所有物体都处于聚焦状态的合成图的重要技术。 由于相机镜头聚焦范围有限，很难使镜头内的所有物体都处于聚焦状态。因此，需要多聚焦 融合技术将同一场景中位于不同距离的景物都清晰的呈现在一幅图像中，使得图像信息能 够被更有效地利用。该对人眼视觉观察和计算机处理与识别都具有非常重要的意义，如为 目标识别、显微成像和军事作战等应用提供更多的有用信息。但是，由于很难对所有区域的 清晰度进行准确地度量，有效地检测多聚焦图像中的聚焦区域是一个具有挑战性的问题。 因此，多聚焦图像融合技术是非常困难的。
[0003] 国内外研究者提出了不同类型的方法来融合多聚焦图像，该些方法大致分为 两类；变换域图像融合方法和空间域图像融合方法。基于金字塔分解的方法（参见文 献；彼得罗维奇等，基于梯度的多分辨率分析图像融合方法，美国电子电气工程师协会 图像处理汇刊，13 (2) (2004) 228 - 237。（V.S.化trovic,C.S.Xydeas,Gradient-based multiresolutionimagefusion,IEEETransactionsonImageProcessing,13 (2) (2004)228 - 237.))和基于小波变换的方法（参见文献；李等，利用小波变换的多传感 器图像融合，图形模型和图像处理，57 (3) (1995) 235 - 245。化.Li,B.S.Man化nath,S. K.Mitra,Multisensorimagefusionusingthewavelettransform,GraphicalModels andImageProcessing,57(3) (1995)235 - 245.))是常用的变换域融合方法。该些方法 虽然已经被广泛应用在图像融合领域，但是该类方法在变换融合过程中会或多或少地损 失图像的原始信息，并且会对图像的边缘信息具有一定的加权，导致融合图像边缘的模 糊。常见的空间域融合方法包括；基于像素的多聚焦图像融合方法和基于分块的多聚焦 图像融合方法。其中，基于像素的多聚焦图像融合方法是较简单的一种。但是，该种方法 通常会降低图像的对比度，并且对融合图像的边缘造成一定的模糊。基于分块的融合方 法（参见文献；黄等，基于多聚焦图像融合的清晰度度量评价方法，模式识别快报，28(4) (2007)493 - 500。（W.Huang,Z.Jing,Evaluationoffocusmeasuresinmulti-focus imagefusion,PatternRecognitionLetters28(4) (2007)493 - 500.))先将图像分割成 大小相同的图像块，然后利用脉冲禪合神经网络选取清晰度较大的图像块，最后通过一致 性检测重建得到较好的融合图像。基于分块的方法考虑了局部像素的相关性，但是融合效 果依赖于分块大小，并且难W度量复杂图像的清晰程度，往往会导致融合图像出现块效应。
[0004] 多聚焦图像融合的关键是从每幅源图像中准确地提取出聚焦区域。通过对多聚 焦图像的分析，发现图像梯度能够很好地表征图像清晰度。采用图像梯度来表征图像清 晰度，并利用一定的扩散方法，获得多聚焦图像的清晰度分布图，能够较准确地从每幅多 聚焦源图像中提取出聚焦区域。然后，结合形态学小面积移除运算和开闭运算，采用自由 边界条件活动轮廓模型（参见文献；伯±麦等，自由边界条件活动轮廓及其在视觉的应 用，可视计算进展，6938:180-191, 2011。（M.化emesh,and0.Ben-化址ar.Rreeboundary conditionsactivecontourswithapplicationsforvision.AdvancesinVisual Computing, 6938:180-191，2011.))来优化清晰度分布图的分界线，将得到更为准确的分界 线，进而可从多聚焦源图像中拷贝聚焦区域到对应的区域，融合成一幅各处清晰的融合图 像。
[0005] 为了得到一幅视觉效果更好的融合图像，本发明提出了一种利用形态学和自由边 界条件活动轮廓模型的多聚焦图像融合方法。
【发明内容】
[0006] 多聚焦图像融合是图像理解与图像分析的关键技术。但现有的图像融合方法并不 能很好地将不同聚焦距离的源图像融合在一起，生成的融合图像对比度较低、存在块效应 或边缘模糊现象等。
[0007] 为了解决上述问题并弥补传统方法的不足，本发明提出了一种利用形态学和自由 边界条件活动轮廓模型的多聚焦图像融合方法。首先，计算图像的梯度特征，再利用梯度特 征构造图像初始清晰度分布图；其次，由初始清晰度分布图W-定的扩散方式计算得到粗 趟清晰度分布图，再由粗趟清晰度分布图确定最终清晰度分布图；接着，针对最终清晰度分 布图中被误认为是聚焦的小块离焦区域和被误认为是离焦的小块聚焦区域，利用形态学小 面积移除运算将它们剔除，再利用形态学开闭运算和小面积移除运算交替对最终清晰度分 布图进行处理；继而，利用边缘提取、形态学桥接运算和细化运算从初始融合决策图像中提 取聚焦区域和离焦区域的单个像素宽度的分界线，将所得分界线作为自由边界条件活动轮 廓模型的初始值；此后，由自由边界条件活动轮廓模型得到边界线图像，并根据边界线图像 和初始融合决策图像，得到最终融合决策图像；最后，根据多聚焦图像融合的决策图像及制 定的融合准则，生成一幅各处清晰的最终融合图像。多聚焦图像融合的结果，是图像处理相 关应用的重要前提。
[000引本发明一种利用形态学和自由边界条件活动轮廓模型的多聚焦图像融合方法，它 包含W下具体步骤：
[0009] 步骤一；根据图像梯度构造图像初始清晰度分布图OFMi(X，y)。
[0010] 首先，计算源图像fi(X，y)(i= 1，2)的梯度Gi(X，y);
[0011] Gi(x，y) =▽fi(x，y)，
[001引其中，（x，y)是图像的像素坐标。
[001引然后，计算每幅源图像(X，y)的梯度Gi(X，y)中每个像素位置（X，y)的像素值与W该像素为中屯、3X3邻域内各个像素值之差的平方和，将所得结果作为该像素位置的初 始清晰度分布图OFMi(X，y)，即
[0014]
[0015] 步骤二；由初始清晰度分布图OFMi(X，y)计算得到粗趟清晰度分布图CFMi(X，y)， 再由CFMi(X，y)确定最终清晰度分布图FFMi(X，y)。
[0016] 首先，计算初始清晰度分布图0FMi(x，y)中每个像素位置（x，y)的像素值与W该 像素为中屯、3X3邻域内各个像素值之和，将所得结果作为粗趟清晰度分布图CFMi(x，y):
[0017]
[001引然后，将得到的CFMi(X，y)作为OFMi(X，y)，如此再迭代M-1次，将最终得到的结果 作为粗趟清晰度分布图CFMi(X，y)。
[0019] 最后，在比较所有粗趟清晰度分布图CFMi(X，y)的基础上，WCFMi(X，y)作为参考， 若CFMi(x,y) >CFM2(x,y)，现J最终的清晰度分布图FFM(x,y)取1，否则取0,即
[0020]
[0021] 若某区域的CFMi(x，y)较大，则表示fi(x，y)中对应的区域是聚焦的；若某区域的 CFMi(X，y)较小，则表示(X，y)中对应的区域