论文部分内容阅读
现实生活中,面对复杂的拍摄场景,鉴于光学成像相机存在有限景深透镜的困境,场景中所有目标只能放在不同距离的焦点上。相应的视觉效果是几个对象处于焦点,成像是清晰的;其他对象可能完全失焦,成像模糊。为了得到全聚焦特征图像,多聚焦图像融合算法适时而生,对场景中的不同目标分别进行聚焦,得到不同目标的源图像,然后通过一定的融合规则,得到一幅全聚焦图像。这就是多聚焦图像融合算法。随着成像技术的发展,多聚焦图像融合技术的关注度在全球越来越高,并且应用在全球各大领域,比如机器视觉、医学、军事、公共安全等领域。本文围绕基于稀疏表示的多聚焦图像融合技术展开研究。首先介绍稀疏表示及多聚焦图像融合技术的相关基础理论,然后针对现有图像融合技术存在的技术缺陷进行了深入研究,提出了相应的改善方案,并开发基于双稀疏表示的多聚焦图像融合系统。主要研究工作如下:(1)针对目前基于稀疏表示的多聚焦图像融合技术的研究中,解析字典缺乏适应性、学习字典效率较低,以及传统的融合策略不能保留较多图像细节信息的问题,笔者提出了基于双稀疏字典学习的多聚焦图像融合方法。该方法首先把高质量的自然图像作为训练集,使用稀疏K-SVD算法训练得到稀疏字典;其次通过滑窗技术对待融合的源图像进行分块并拉成列向量,再使用Start Of Message Priority(SOMP)算法计算其稀疏表示系数,之后使用一种混合多范数计算图像块的活跃度水平,并使用“选择最大”的规则融合稀疏表示系数;最后,根据融合系数和双稀疏字典重构融合图像。实验结果表明,本文提出的方法较其他五种经典的图像融合方法效果最佳,并且在两组实验条件下指标MI和Q~AB/F的平均值分别为7.4501和0.7479,通过这样做,在主观视觉和客观指标测试上均有所提高。(2)针对多聚焦图像的特点,以及基于双稀疏字典学习的多聚焦图像融合方法的研究,笔者设计开发了一套多聚焦图像融合系统软件。本系统建立在matlab2013a开发平台上,使用matlab语言编写程序,实现了七种图像融合方法在多聚焦图像融合上的实践。通过从图像信息保留量,图像的清晰度和图像的细节信息等多个方面比较各图像融合方法的性能,突出基于双稀疏字典学习的多聚焦图像融合方法的优越性。