[发明专利]基于稀疏分解和差分图像的多聚焦图像融合方法

摘要

一种基于稀疏分解和差分图像的多聚焦图像融合方法，其特征在于，利用RPCA分解原始图像得到其稀疏分量和低秩分量，然后通过引导滤波加强稀疏分量的边缘，再将加强的稀疏分量与低秩分量相加构建包含强边缘的加强图像，再将加强图像与原始图像做差分，计算所得差分图像的空间频率，并利用自适应阈值算法得到差分图像的空间频率图，利用形态学算法去除空间频率图中的伪聚焦区域，得到融合决策图，最后根据融合决策图和融合规则重建融合图像。本发明在评价图像融合算法的三项指标相关系数，即边缘梯度信息和边缘相关因子分别高于其他经典算法45％，6％，15％以上。 1

主权项

1.一种基于稀疏分解和差分图像的多聚焦图像融合方法，其特征在于，利用RPCA分解原始图像得到其稀疏分量和低秩分量，然后通过引导滤波加强稀疏分量的边缘，再将加强的稀疏分量与低秩分量相加构建包含强边缘的加强图像，再将加强图像与原始图像做差分，计算所得差分图像的空间频率，并利用自适应阈值算法得到差分图像的空间频率图，利用形态学算法去除空间频率图中的伪聚焦区域，得到融合决策图，最后根据融合决策图和融合规则重建融合图像。

2.根据权利要求1所述的多聚焦图像融合方法，其特征是，所述的稀疏分量和低秩分量，具体通过以下方式得到：其中：L_*表示低秩分量，S*是稀疏分量，λ＞0，||·||_*是核范数，即矩阵奇异值之和，||·||₁表示l₁范数矩阵，即矩阵所有元素绝对值之和，I_*为待分解图像。

3.根据权利要求1所述的多聚焦图像融合方法，其特征是，所述的加强稀疏分量的边缘通过以下方式得到：其中：E_*(i)表示加强的稀疏分量，S_*(i)表示稀疏分量，ω_P是以点P为中心的(2r+1)×(2r+1)窗口，r为自然数，a_P、b_P表示引导滤波的核函数：μ_P和分别表示窗口ω_P的均值和方差，D_P表示窗口ω_P中像素数，表示窗口ω_P的灰度均值。

4.根据权利要求1所述的多聚焦图像融合方法，其特征是，所述的差分图像的空间频率为：其中：RF为行频率，CF为列频率，D表示差分图像、M为图像行数、N为图像列数、i为图像横坐标、j为图像纵坐标。

5.根据权利要求1所述的多聚焦图像融合方法，其特征是，所述的自适应阈值算法是指：通过滑动窗口实现阈值分割，从而得到空间频率图，具体为：T(i,j)＝m(i,j)+k·s(i,j)，其中：m(i,j)是s(i,j)的均值，s(i,j)是窗口内像素的标准差，SF(i,j)为差分图像的空间频率，即像素(i,j)的灰度值,Q为滑动窗口的大小，该滑动窗口为正方形。

6.根据权利要求1所述的多聚焦图像融合方法，其特征是，所述的形态学算法是指：通过开闭运算实现空间频率图像中的伪聚焦区域滤除，具体为：其中：h为结构元素，I为分割图像。

7.根据权利要求1所述的多聚焦图像融合方法，其特征是，所述的重建：聚焦区域根据互补部分和重叠部分分别判断，背景区域则以改进的拉普拉斯能量和函数作为融合规则。

8.根据权利要求1或7所述的多聚焦图像融合方法，其特征是，所述的重建，具体包括以下步骤：

4.1)互补部分(和)，即聚焦区域不重叠部分，将和中的像素直接放入融合图像相应区域，即

4.2)重叠部分F_AB由分属不同原始图像的聚焦区域和

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于内蒙古科技大学，未经内蒙古科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201511003023.9/，转载请声明来源钻瓜专利网。