摘要
利用照相机拍摄时，因受到镜头聚焦范围的限制，无法获取场景中所有物体均清晰的图像。图像融合技术通过对多聚焦图像进行组合，获得场景内均清晰的图像，便于图像后期的计算机处理。 本文研究了基于图像自适应分解及多方向特征的多聚焦图像融合算法。 论文研究内容如下： 提出了基于图像自适应分解及多方向梯度的多聚焦图像融合算法。基于Gabor方向滤波器设计图像自适应分解方法，设计滤波器并其预置进反卷积神经网络模型中。将待融合多聚焦图像输入到网络中进行训练，获得待融合多聚焦图像的高频和低频特征图。在高频特征图的融合规则设计中，因为经过方向滤波器处理的高频特征图，只在特定方向上保留特征信息。因此对于不同方向的特征图，采用不同方向的区域梯度特征，取大，实现高频特征图的融合。低频特征图采用区域能量取大的规则实现对其融合。将本文提出的基于图像自适应分解及多方向梯度的融合算法与已有的基于神经网络及方向滤波的融合算法进行比较，结果表明本算法在信息熵和平均梯度上更优，表明本算法设计的图像自适应分解方法和融合规则更好。 提出了基于图像自适应分解及多方向能量的多聚焦图像融合算法。基于Gabor方向滤波器设计图像自适应分解方法，设计滤波器并其预置进反卷积神经网络模型中。将待融合多聚焦图像输入到网络中进行训练，获得待融合多聚焦图像的高频和低频特征图。在高频特征图的融合规则设计中，因为经过方向滤波器处理的高频特征图，只在特定方向上保留特征信息。因此对于不同方向的特征图，采用不同方向的改进拉普拉斯能量和，取大，构建出融合决策图。低频特征图采用区域标准差值取大的规则实现对其融合。将本文提出的基于图像自适应分解及多方向能量的融合算法与已有的基于神经网络及方向滤波的融合算法进行比较，结果表明本算法在信息熵和平均梯度上更优，表明本算法设计的图像自适应分解方法和融合规则更好。 提出了基于参数自适应脉冲耦合神经网络的多聚焦图像融合算法。基于Gabor方向滤波器设计图像自适应分解方法，设计滤波器并其预置进反卷积神经网络模型中。将待融合多聚焦图像输入到网络中进行训练，获得待融合多聚焦图像的高频和低频特征图。在高频特征图的融合规则设计中，因为经过方向滤波器处理的高频特征图，只在特定方向上保留特征信息。因此对于不同方向的特征图，采用不同方向的空间频率特征激励自适应脉冲耦合神经网络，实现高频特征图的融合。低频特征图也采用自适应脉冲耦合神经网络实现对其融合，输入激励为图像区域能量值。将本文提出的基于参数自适应脉冲耦合神经网络的融合算法与已有的基于神经网络及方向滤波的融合算法进行比较，结果表明本算法在信息熵和平均梯度上更优，表明本算法设计的图像自适应分解方法和融合规则更好。 本文提出的融合算法，能够得到质量更高的多聚焦融合图像，有利于提高后续图像对于处理和识别的性能。
NETL