【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种新的多聚焦图像融合技术，该专利技术首先将源图像进行块分割,计算反映图像块聚焦程度的清晰度特征;再将源图像的部分区域作为训练样本,获得训练后的核Fisher判别分析参数;然后利用已知的核Fisher判别分析获得初步融合图像;最后对位于源图像清晰与模糊区域交界处的源图像块利用NSCT变换进行处理后,得到最终融合图像。实验结果表明,该方法的图像融合效果优于常用图像融合方法,可在有效提高图像融合质量与减少计算量之间获得较好的折衷。【专利说明】一种新的多聚焦图像融合技术
本专利技术属于多聚焦图像融合，具体涉及到一种新的多聚焦图像融合技术。
技术介绍
图像融合是当前图像处理界的研究热点之一，它广泛应用于遥感、机器视觉、医学、军事、司法与制造业等领域。在采用CCD或CMOS等图像传感器获取影像的时候，由于镜头景深的原因，位于聚焦平面上的景物在图像上可获得清晰的投影，而在其他位置上的景物在图像上受到不同程度的模糊。一幅处处聚焦的图像是许多后续处理的前提条件，解决这一问题的主要方法就是多聚焦图像融合技术，即采用不同的焦距设置拍摄一系列图像，然后将这些图像进行融合处理，获得一幅处处清晰的融合图像。近年来，模式分类方法被广泛的引入到图像融合领域中，有学者分别提出了基于神经网络、支持向量机与支持向量聚类的融合策略。核Fisher判别分析(KFDA)是在Fisher线性判别(FDA)基础上提出的一种非线性分类方法，它不依赖于对模型的选择，也不存在采用神经网络进行分类处理中易出现的维数灾难与局部极小点问题。相比支持向量机，KFDA具有两个优点:...
【技术保护点】
一种新的多聚焦图像融合技术，其主要步骤如下：步骤1：将大小为M*N 的源图像A,B分为若干大小为d*d 的图像块，定义为对应于融合图像F 的每个图像块的标志矩阵，其中；步骤2：分别计算每个图像块的3个特征，改进的拉普拉斯能量和SML、空间频率SF，以及平均梯度EOG，定义对应源图像块与的特征向量分别为与；步骤3：在原图像中选取合适的区域作为训练集，训练KFDA来判断源图像块与中哪个更清晰；归一化后的差值向量，通过人眼判断，当原图像块比更清晰时，输出为1，否则输出为0；步骤4：利用步骤3获得的KFDA对所有源图像块进行分类，如果源图像块比更清晰，，否则，得到初步融合图像Z，即有步骤5：找出位于源图像的清晰与模糊区域交界处的图像块和，针对此类图像块，采用如下的融合策略：步骤5.1：采用NSCT对该图像块和进行分解，得到图像块的低频子带系数和高频方向子带系数，得到图像块的低频子带系数和高频方向子带系数，其中l表示分解的尺度数，k表示方向分解级数；步骤5.2：融合规则1）低频子带的融合策略这里， 2）高频子带融合规则选择NSCT分解得到的高频子带绝对值最大者为融合后的高频系数，即：步骤5.3：...
【技术特征摘要】
【专利技术属性】
技术研发人员：朱亚辉，但春林，
申请(专利权)人：西安元朔科技有限公司，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。