[发明专利]基于字典学习、旋转引导滤波的多聚焦图像融合方法及装置

摘要

本发明公开了一种基于字典学习、旋转引导滤波的多聚焦图像融合方法，首先通过对若干幅经典多聚焦图像进行旋转引导滤波处理获得每幅图像的滤波图像，对所述若干幅滤波图像进行字典学习获得图像的散焦字典，输入的多幅配准的多聚焦图像并将所述的散焦字典作用于输入图像并进行处理获得每幅输入多聚焦图像的聚焦特征图对所述获得的每幅输入图像对应的聚焦特征图进行处理获得融合权重图，最后，根据所述获得的融合权重图获得融合图像；还公开了一种基于字典学习、旋转引导滤波的多聚焦图像融合装置，通过本发明有效地提升了图像的清晰度、解决了因输入图像未完全配准引起的块效应和人工噪声问题，得到了融合效果更好的图像。

主权项

1.一种基于字典学习、旋转引导滤波的多聚焦图像融合方法，其特征在于，该方法为：首先通过对若干幅经典多聚焦图像进行旋转引导滤波处理获得每幅图像的滤波图像，对所述若干幅滤波图像进行字典学习获得图像的散焦字典，输入的多幅配准的多聚焦图像并将所述的散焦字典作用于输入图像并进行处理获得每幅输入多聚焦图像的聚焦特征图对所述获得的每幅输入图像对应的聚焦特征图进行处理获得融合权重图，最后，根据所述获得的融合权重图获得融合图像；所述对多幅输入配准的多聚焦图像进行处理分别获得每幅输入配准的图像对应的聚焦特征图，具体为：分别对多幅输入配准的多聚焦图像进行分块获得每幅输入配准的多聚焦图像对应的图像块，将所述每幅输入配准的多聚焦图像对应的图像块分别转化成图像块列向量，根据散焦图像字典D和OMP算法求解式对每个图像块列向量进行处理获得对应的稀疏系数，根据稀疏系数构造每个图像块列向量对应的稀疏特征，最后对每幅输入配准的多聚焦图像的图像块的稀疏特征进行拼接获得每幅输入配准的多聚焦图像的聚焦特征图；所述对多幅输入配准的多聚焦图像进行处理分别获得每幅输入配准的图像对应的聚焦特征图，具体为：步骤1：分别对输入图像I₁和I₂进行分块，其滑动窗口的大小为8×8，相邻窗口的步长为1，得到输入图像I₁和I₂的图像块I_1,j和I_2,j；步骤2：获得的输入图像I₁和I₂的图像块I_1,j和I_2,j分别转化成图像块列向量和散焦图像字典D作用于所述获得的每个图像块列向量和通过OMP算法求解式，得到输入图像I₁和I₂的图像块列向量和对应的稀疏系数和||·||₁表示·的一范数，||·||₂表示·的二范数，常数θ的取值为18.4；但是，对于不同的问题和需求，常数θ是可调的；步骤3：通过获得的稀疏系数和构造输入的图像块列向量和的稀疏特征f_1,j和f_2,j，如式(3)和(4)所示，构建输入图像I₁和I₂的聚焦特征图，基于获得的图像块的稀疏特征f_1,j和f_2,j，通过对所有的稀疏特征块f_1,j和f_2,j进行拼接，得到输入图像I₁和I₂的聚焦特征图W_1,1和W_2,1；步骤4：根据旋转引导滤波对获得的聚焦特征图W_1,1和W_2,1进行平滑，获得聚焦区域和散焦区域的差异明显的聚焦特征图W_1,2和W_2,2，具体计算如式(5)和(6)所示：W_1,2＝F_RG(W_1,1,σ_s,σ_r,t)(5)W_2,2＝F_RG(W_2,1,σ_s,σ_r,t)(6)其中，F_RG(·)表示旋转引导滤波算子，参数σ_s和σ_r分别控制空间和幅度权重，t表示滤波次数；所述散焦图像字典D具体通过如下方法获得：对若干幅经典的多聚焦图像分别进行旋转引导滤波获得若干幅滤波图像，根据所述若干幅滤波图像随机选取图像块来训练获得散焦图像字典D；所述散焦图像字典D获得的具体步骤如下：步骤(1)从滤波图像中随机选取多个图像块，每个图像块分别被表示为P₁,P₂,KP_j，图像块的大小为8×8，分别将P₁,P₂,KP_j转化成对应图像块的列向量步骤(2)基于列向量通过K‑SVD算法求解式，得到每个图像块列向量的稀疏系数α_j和散焦图像字典D，其中，表示·的二范数平方，||·||₀表示·的零范数，参数k＝5，k表示求解的稀疏系数α_j中的非零项不多于k个；该方法还包括：根据旋转引导滤波对所述获得每幅输入配准的多聚焦图像对应的聚焦特征图进行平滑处理获得聚焦区域和散焦区域的差异明显的聚焦特征图，通过比较聚焦特征图差异获得初始融合权重图，再根据形态学闭运算算子对获得的多幅输入配准的多聚焦图像初始融合权重图进行膨胀和腐蚀获得融合权重图，最后，根据所述获得的融合权重图获得融合图像。