[发明专利]一种基于显著性区域提取的多聚焦图像融合方法

说明书

技术领域

本发明涉及一种图像处理技术领域的方法，具体涉及一种基于显著性区域提取的多聚焦图像融合方法。

背景技术

光学系统有限的聚焦范围难以清晰地呈现场景中的所有目标，摄取的图像一般由聚焦区域和离焦区域组成。为了获取清晰真实的场景，得到包含图像不同聚焦区域特征信息的全聚焦融合图像，研究者不断提出各类多聚焦图像融合算法。

根据人的视觉注意机制，区域之间有不同的显著性,注视焦点通常会落在显著性较高的区域。从视觉角度分析,聚焦区域属于特殊的显著性区域，在多聚焦图像中，聚焦区域对应于图像中最能吸引人们注意、最能表现图像内容的显著部分.显著性检测得到的显著图可以较好地区分前景和背景，尤其在不同深度物体的边缘处更加准确。通过显著图可以准确定位聚焦区域的边缘，实现聚焦区域与离焦区域的精确分离。

自底向上的显著图计算模型，根据图像的颜色、亮度、方向三个特征信息，得到对应的多尺度显著图。GBVS模型简化了Itti显著图计算模型，该模型计算得到的显著图可以在复杂的背景中精确捕获目标物体所在位置及目标物体的轮廓。但是由于显著区域分布与图像的局域对比度相关，所以若模糊区域包含了部分对比度比较高的区域，在显著性分析中也会被划分为显著区域，影响对聚焦区域的判别。考虑到聚焦区域往往是清晰区域，而空间频率是区域清晰度度量，对清晰区域敏感，其值与边缘细节信息相关，而与像素的灰度值之间没有直接关系，可以计算局域空间频率检测并滤除这部分伪聚焦区域。

发明内容

本发明所要解决的技术问题是：提供一种基于显著性区域提取的多聚焦图像融合方法，丰富图像的背景信息，最大限度地保护图像中的细节。

本发明的技术方案是：一种基于显著性区域提取的多聚焦图像融合方法，包括以下步骤：

(1)利用GBVS算法分别计算源图像A和B的显著性分布图G₁和G₂；

(2)二值化显著性分布图G₁和G₂，并分别计算其空间频率，得到空间频率图S₁和S₂；其中，求取显著性分布图G₁和G₂的灰度均值T_as和T_bs做为二值化阈值；

(3)利用分水岭算法检测空间频率图S₁和S₂的微弱边缘，连接边缘得到封闭区域其中，s＝1,2,…n，n为封闭区域个数，并将分类，比较不同区域的空间频率通过公式(1)找到其中的伪聚焦区域F_t,其中，t＝1,2,…p,p＜n，并将其滤除；利用形态学方法，先腐蚀后膨胀合并剩余封闭区域，即聚焦区域，将源图像分为聚焦区域M₁、M₂和离焦区域U₁、U₂；

(4)将源图像聚焦区域直接融合，离焦区域通过Shearlet变换分别进行三层分解，获得各自的一个低频子带：A^l、B^l和三层高频子带：A^m,k、B^m,k，m＝1,2,3，其中1-3层分别包含10，10，18个方向子带；分别基于脉冲耦合神经网络PCNN和拉普拉斯金字塔变换融合，具体为：

分别建立融合规则：

低频子带A^l、B^l利用拉普拉斯金字塔分解，得到分解系数通过公式(2)的比较取大法选择低频融合系数L_F,ij；

其中，i,j分别表示L_F,ij的行数和列数；

通过基于脉冲耦合神经网络的融合规则融合高频子带A^m,^k、B^m,^k的系数，具体步骤如下：

①将A^m,^k、B^m,^k分别输入到PCNN的两个输入端，利用公式(3)计算系数的对比敏感度因子CSF作为PCNN的外部激励；

CSF(f)＝2.6×(0.0192+0.114f)exp[-(0.114f)^1.1](3)

其中，是空间频率，f_x、f_y分别是水平和竖直方向的空间频率，