[发明专利]一种基于PSPNet细节提取的多聚焦图像融合方法

权利要求书

1.一种基于PSPNet细节提取的多聚焦图像融合方法，其特征在于，包含的步骤如下：

步骤S01：输入左聚焦源图像A和右聚焦源图像B；

步骤S02：通过金字塔场景模块解析网络PSPNet，对所述左聚焦源图像A和所述右聚焦源图像B，使用4种卷积核大小不同的卷积神经网络CNN获取局部特征和全局特征，通过所述金字塔解析模块来收集子区域的上下文信息，对所述局部特征和所述全局特征进行级联处理；

步骤S03：对所述左聚焦源图像A和所述右聚焦源图像B，将所述左聚焦源图像A和右聚焦源图像B输入预设的双通道CNN模型中，对于每一个像素点输出一个概率值，将所述概率值生成概率图；

步骤S04：对步骤S03获取的所述概率图进行二值化处理，提取图像灰度特征并设定阈值为0.5，将所述概率值大于0.5的设定为1，视为聚焦，所述概率值小于等于0.5的设定为0，视为非聚焦，形成二值掩膜图；

步骤S05：对步骤S04获取的所述二值掩膜图进行优化，通过卷积条件随机场ConvCRFs结构化建模能力与卷积神经网络特征提取能力结合，得到所述概率图的细化映射，获取优化后的二值掩膜图，将所述优化后的二值掩膜图作为权重图；

步骤S06：通过将所述权重图分别与所述左聚焦源图像A和所述右聚焦源图像B相乘，分别提取所述左聚焦源图像A和所述右聚焦源图像B的聚焦区域，将所述聚焦区域相加获取全聚焦图像即融合图像。

2.根据权利要求1所述的一种基于PSPNet细节提取的多聚焦图像融合方法，其特征还在于：所述步骤S05中的ConvCRFs图像优化模型，通过左、右聚焦图像上下文信息分别提取全局语义信息和局部位置信息，所述ConvCRFs算法，通过数学计算求解，其中P(X|I)建模为CRF，所述P(X|I)符合Gibbs分布，所述P(X|I)的理论公式为：

其中，I表示包含n个像素和具有k个类别的图像分割任务的输入图像；X＝{X₁,...,X_n}表示I被分割建模的一个随机场，其中每个参数X_i从{1,...,k}中取值；所述的输入图像I的一个分割X是通过argmax_XP(X|I)得到；

能量函数计算公式为：

其中，表示一元变量函数；表示二元变量函数，即像素的联合分布函数；i和j均表示像素；x_i和x_j均表示标签。

3.根据权利要求1所述的基于PSPNet细节提取的多聚焦图像融合方法，其特征还在于：

所述融合公式为：

W_fusion＝I_A*W+I_B*(1-W)；

其中，W表示所述权重图的像素矩阵；I_A和I_B分别表示所述左聚焦源图像A和所述右聚焦源图像B的二值图；所述二值图I_A对应的二值图矩阵为W；所述二值图I_B对应的二值图矩阵为(1-W)。