摘要
多聚焦图像融合在图像处理领域有着重要的应用，主要用于融合同一图像采集系统在相同成像条件下获取的多幅图像。光学成像系统在采集图像过程中，受到聚焦范围的影响，无法对焦点内外物体全部清晰成像，这也明显增加了图像处理难度。多聚焦图像融合技术可以解决这些问题，它不仅可以使处理图像信息时效率更高，而且在增强系统可靠性和准确性的同时也使其工作范围得以增大。现在多聚焦图像融合技术已广泛的应用于我们生活中的各个领域。而图像分解又是基于变换域的图像融合方法的关键步骤，图像的分解水平和最终融合效果存在密切关系。但传统分解方法未考虑到图像自身的性质，因而分解效果不佳，容易导致混频现象的出现，且分解过程复杂。为了解决上述问题，本文的研究内容如下： 1）基于Vese-Osher分解模型的多聚焦图像融合 本文建立了基于VO分解模型的多聚焦图像融合技术，在应用中先用VO图像分解模型将源图像分解为结构和纹理两部分，使用改进的差分模值和聚焦评价函数提取聚焦区域的结构和纹理部分，从而得到源图像的聚焦区域，接着基于融合规则进行聚焦区域融合确定出初始决策图，在形态学处理基础上进行重构而获得最终的多聚焦图像。 2）基于结构-纹理字典学习算法的多聚焦图像融合 VO模型可以较好地分离图像的结构和纹理两部分，但是对于源图像中的噪声不能很好的处理，因此本文结合可以更好去除源图像噪声的字典学习算法自适应地构建图像卡通、纹理字典，得到高质量的分解图像，结合改进的对边缘信息提取效果较好的Brenner算子聚焦评价方法，找出聚焦区域特性，重构获得全聚焦图像。 3）将提出的两种融合框架与传统的Brovey、DWT、DSIFT算法和近年来新提出的CSR、DWT-SR等算法在matlab平台上进行仿真实验，对融合图像进行了主观评价和客观融合质量检测，评价结果证实了新融合框架的优越性。结果表明，两种方法所得结果满足要求，为多聚焦图像融合提供了支持。
NETL