[发明专利]一种图像融合方法、系统及设备在审

专利信息
申请号: 202110456039.4 申请日: 2021-04-26
公开(公告)号: CN113012174A 公开(公告)日: 2021-06-22
发明(设计)人: 付威威;裴融浩;张洋;姚康;张贺童;丁上上;邬丹丹;郑田莉 申请(专利权)人: 中国科学院苏州生物医学工程技术研究所
主分类号: G06T7/11 分类号: G06T7/11;G06T7/12;G06T7/13;G06T7/136
代理公司: 北京三聚阳光知识产权代理有限公司 11250 代理人: 张琳琳
地址: 215163 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 融合 方法 系统 设备
【权利要求书】:

1.一种图像融合方法,其特征在于,所述方法包括:

获取待融合的多个源图像,并识别所述源图像各自的聚焦区域,以生成标记了聚焦区域的分割图像;

识别所述分割图像中发生重合的聚焦子区域,并针对所述聚焦子区域确定最佳聚焦区域图像;

从所述分割图像中筛选出基础图像,并根据所述最佳聚焦区域图像和各个所述聚焦区域对应的图像,在所述基础图像的基础上进行图像融合,以生成全聚焦图像。

2.根据权利要求1所述的方法,其特征在于,所述多个源图像分别从最佳聚焦平面以及位于所述最佳聚焦平面以上和/或以下的多个位置进行采集得到,所述源图像中至少包括聚焦区域和非聚焦区域。

3.根据权利要求1所述的方法,其特征在于,识别所述源图像各自的聚焦区域包括:

将所述源图像输入预先训练得到的语义分割模型,以通过所述语义分割模型输出所述标记了聚焦区域的分割图像;

其中,所述语义分割模型中包括编码器和解码器,所述编码器中包括基于深度可分卷积构建的特征提取层,所述编码器用于对输入的所述源图像进行特征提取和降维,所述解码器用于对所述编码器输出的结果进行上采样和特征还原。

4.根据权利要求3所述的方法,其特征在于,所述语义分割模型在训练过程中的训练样本集按照以下方式构建:

从最佳聚焦平面以及位于所述最佳聚焦平面以上和/或以下的多个位置采集基础样本图像;

基于不同模糊核对所述最佳聚焦平面上采集得到的基础样本图像进行局部模糊处理,以生成局部模糊图像;

将从所述多个位置采集得到的所述基础样本图像和生成的所述局部模糊图像,作为所述语义分割模型在训练过程中的训练样本集。

5.根据权利要求1所述的方法,其特征在于,针对所述聚焦子区域确定最佳聚焦区域图像包括:

确定包含所述聚焦子区域的目标分割图像,并在所述目标分割图像中识别所述聚焦子区域的轮廓上包含的边缘点;

判断所述边缘点是否模糊,并统计模糊的边缘点的数量在边缘点的总数量之中的占比;

在占比最小的目标分割图像中,将所述聚焦子区域对应的图像作为所述最佳聚焦区域图像。

6.根据权利要求5所述的方法,其特征在于,在所述目标分割图像中识别所述聚焦子区域的轮廓上包含的边缘点包括:

针对所述聚焦子区域的轮廓上待识别的当前像素点,计算所述当前像素点的像素判定值;所述像素判定值基于所述当前像素点在邻域内的像素均值和所述聚焦子区域对应的像素均值之间的大小关系确定;

若所述当前像素点的像素判定值在指定方向上大于与其相邻的其它像素点的像素判定值,判定所述当前像素点为边缘点。

7.根据权利要求5所述的方法,其特征在于,判断所述边缘点是否模糊包括:

确定所述边缘点分别在水平方向和垂直方向对应的第一判定值和第二判定值,若所述第一判定值和所述第二判定值中的较大值小于指定阈值,判定所述边缘点为模糊的边缘点。

8.根据权利要求1所述的方法,其特征在于,在所述基础图像的基础上进行图像融合包括:

将各个所述最佳聚焦区域图像融合至所述基础图像中;

针对融合了最佳聚焦区域图像的基础图像中的非聚焦区域,从除所述基础图像以外的其它分割图像中查找对应的聚焦区域图像,并将查找到的所述聚焦区域图像融合至所述基础图像中。

9.一种图像融合系统,其特征在于,所述系统包括:

分割图像生成单元,用于获取待融合的多个源图像,并识别所述源图像各自的聚焦区域,以生成标记了聚焦区域的分割图像;

最佳聚焦确定单元,用于识别所述分割图像中发生重合的聚焦子区域,并针对所述聚焦子区域确定最佳聚焦区域图像;

融合单元,用于从所述分割图像中筛选出基础图像,并根据所述最佳聚焦区域图像和各个所述聚焦区域对应的图像,在所述基础图像的基础上进行图像融合,以生成全聚焦图像。

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。

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中国科学院苏州生物医学工程技术研究所,未经中国科学院苏州生物医学工程技术研究所许可,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/pat/books/202110456039.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top