[发明专利]多聚焦图像融合方法

摘要

本发明公开了一种多聚焦图像融合方法，属于图像处理领域。在多聚焦图像融合过程中采用增强差分演化方法和扩块选择机制图像融合方法，其中相比于标准差分演化方法，该增强差分演化方法根据图像的大小，区间初始化种群，在每一次迭代后进行种群判断，在种群中各个体相同的前提下保留其中一个个体，再利用标准差分演化算法的初始化方法，在相应的区间上重新初始化其余个体，一起作为新一代种群，加强局部搜索，由此获得图像的最佳分块大小；另外，在图像块的适应度相等时，选择扩展块，比较获得融合的图像块。通过本发明，提高了图像融合中寻找最佳分块大小的效率，并且降低了计算的复杂度；另外，在图像融合中充分考虑了整体融合图像的清晰度。

主权项

1.一种多聚焦图像融合方法，其特征在于包括以下步骤：S1、获取P张多聚焦图像，且每张多聚焦图像的图像大小为M像素×N像素，采用增强差分演化方法求取所述多聚焦图像的最佳分块大小：设定初始化种群由K个个体组成，个体为二维变量且表示为X_i，G＝(X_1，i，G，X_2，i，G)，其中X_i，G表示第G代种群中第i个个体，X_1，i，G表示第G代种群中第i个个体的第一维变量，X_2，i，G表示第G代种群中第i个个体的第二维变量，1≤i≤K，i、K均为整数，并且设定种群的变异因子F、交叉率CR以及迭代次数t的最大值N，其中所述变异因子F的取值范围为(0，2)，所述交叉率CR的取值范围为[0，1]，初始化迭代次数为0；S2、根据所述多聚焦图像将图像块大小的取值范围划分成K个区间，第j个区间表示为Zj={((j-1)*MK+1~j*MK),((j-1)*NK+1~j*NK)},]]>其中j的取值范围为[1，K]且j为整数，第j个区间Z_j中第一维变量的上界下界且第j个区间Z_j中第二维变量的上界表示为下界表示为X2,j(L)=(j-1)*NK+1;]]>S3、根据公式X’_j，G＝(X_1，j(L)，X_2，j(L))+rand[0，1]×{(X_1，j(H)，X_2，j(H))-(X_1，j(L)，X_2，j (L))}，从而产生K个新的个体X’_j，G，构成初始化种群X’_G，其中X’_j，G表示第j区间对应产生的新的个体，rand[0，1]表示取[0，1]范围内服从均匀分布的一个随机数，且对于不同的区间rand[0，1]的取值不同；S4、从所述初始化种群X’_G中随机选取3个个体X_r1，G、X_r2，G、X_r3，G，其中下标r1、r2、r3均为[1，K]范围内不相等的整数，根据公式V_i，G＝X_r1，G+F×(X_r2，G-X_r3，G)，获得变异后的个体V_i，G，其中F为变异因子，重复执行K次此步骤，产生K个变异后的个体，重组获得变异种群V_G；S5、对所述初始化种群X’_G与所述变异种群V_G执行交叉操作，生成交叉种群U_G，使得所述交叉种群U_G中每一个体至少有一个变量来自所述变异种群V_G；S6、分别计算所述初始化种群X’_G与交叉种群U_G中每一个体的适应度f(X′_i，G)、f(U_i，G)，其中f(X′_i，G)表示所述初始化种群X’_G中第i个个体的适应度，f(U_i，G)表示所述交叉种群U_G中第i个个体的适应度，并且根据公式Xi,G+1=Ui,Giff(Xi,G′)<f(Ui,G)Xi,G′otherwise,]]>选择所述初始化种群X’_G与交叉种群U_G中对应的个体作为下一代种群的个体，其中X_i，G+1表示第G+1代种群中的第i个个体：如果所述初始化种群X’_G中第i个个体的适应度小于所述交叉种群U_G中第i个个体的适应度，则选择所述交叉种群U_G中第i个个体U_i，G作为第G+1代种群的第i个个体X_i，G+1，否则选择所述初始化种群X’_G中第i个个体X′_i，G作为第G+1代种群的第i个个体X_i，G+1，从而形成第G+1代种群X_G+1，并且所述迭代次数加1；S7、判断所述第G+1代种群X_G+1中所有个体是否均相同：如果所有个体均相同则执行步骤S8，否则进一步判断所述迭代次数t是否大于迭代次数的最大值N：如果t≥N则表示获得最佳分块大小，将所述最佳分块大小输出，如果t＜N则重复执行步骤S4～S7；S8、保留所述第G+1代种群X_G+1中的一个个体i，并且在i所在的区间上采用标准差分演化方法的初始化种群步骤重新初始化K-1个个体，与i一起形成新一代种群，重复执行步骤S4-S7；S9、所述多聚焦图像根据所述步骤S7中的所述最佳分块大小分割成多个图像块，并且对所述图像块进行图像融合，形成多聚焦融合图像。