[发明专利]一种基于PSPNet细节提取的多聚焦图像融合方法

摘要

本发明为一种基于PSPNet细节提取的多聚焦图像融合方法，其特征在于，包括以下步骤：首先，采用金字塔场景解析网络PSPNet聚合不同子区域的上下文信息，同时利用金字塔池化模块捕获多尺度下的全局和局部颜色、纹理、形状等特征信息，在此基础上将4种不同尺度的特征图融合为概率图；其次，采用卷积条件随机场ConvCRFs网络提取图像灰度特征，为了优化二值掩膜图，引入自适应阈值判断；为了获取两个源图像高精确聚焦区域，将优化的二值掩膜图作为权重图，并与两个源图像相乘，最后，将两个区域融合以重构清晰的融合图像。本发明通过图像上下文信息，提升全局特征利用率和分割精度，实现多聚焦图像全方位融合。

主权项

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。