基于聚焦区域检测的多聚焦图像融合研究

作     者：戴柳云 

作者单位：重庆师范大学 

学位级别：硕士

导师姓名：李宇雨

授予年度：2019年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：聚焦区域检测 多聚焦图像融合 图像分割 BP神经网络 

摘      要：在光学成像中,由成像原理导致的有限景深限制了聚焦范围,图像局部失焦模糊现象很难完全避免。随着信息科技的高速发展,图像作为信息的主要表现形式之一,存在局部失焦模糊的图像不能满足人们的需求,所以对局部聚焦或局部失焦图像的处理具有很重要的意义。本文是对存在局部聚焦或失焦现象的图像进行相关研究,具体的研究工作如下:1基于BP神经网络的无参考图像聚焦区域检测现有的基于学习的聚焦区域检测算法只关注原图本身的特征,不能很好的表征图像聚焦清晰或失焦模糊。针对这个问题,本文首先根据图像失焦模糊的机理,探索了图像聚焦清晰区域和失焦模糊区域的特点和区别。考虑到当使用模糊滤波器对局部聚焦的源图像进行模糊处理后,聚焦区域的图像质量比失焦区域的图像质量劣化更加显著,同时为了从多个方面表达聚焦清晰和失焦模糊的特征,选取DCT特征,奇异值特征,统计差异特征和边缘能量等特征以及原图的模糊版本的特征共同组成区分图像块聚焦或模糊的特征向量。然后,在进行图像块清晰度测量时,提取训练图像块的特征向量并为该特征向量标记清晰度构成训练数据集,利用BP神经网络模型对训练数据集进行学习和训练,建立图像块清晰程度的预测模型。最后将待测量图像分成若干小块,利用建立好的网络模型对图像块进行模糊程度测量获得清晰度测量图。由于测量结果反馈的是清晰程度,为了获得最终的聚焦区域检测结果,通过使用阈值分割技术,形态学算子和图割等相关技术获得聚焦区域决策图。从仿真实验获得的结果可以看出,使用本方法检测聚焦区域是有效的。2基于BP神经网络的多聚焦图像融合现有的基于聚焦区域的多聚焦图像融合算法大多直接采用多源图像聚焦区域融合的方式,这种方法的融合结果通常会出现聚焦清晰区域之间不连续或者聚焦区域清晰度不连续的问题。虽然基于多尺度分解的多聚焦图像融合方法在一定程度上解决了这个问题,但是常会因为系数误选导致聚焦区域对比度降低。为了解决这个问题,本文首先利用BP神经网络检测聚焦区域,然后采用具有良好方向选择性和移位选择性的非下采样剪切波对源图像进行多尺度几何分解,对聚焦区域实现系数精准映射,对非聚焦区域采用高频系数取大和低频系数求平均结合的方式进行融合,最后对融合系数通过非下采样剪切波逆变换获取融合图像。从对比实验结果可以看出,使用本方法进行多聚焦图像融合是有效的。