基于边缘保持滤波的多聚焦图像融合算法研究张永新新华计算机与互联网书 pdf下载

本书针对现有多聚焦图像像素级融合方法存在的不足，在空间域内对多聚焦图像像素级融合算行了深入研究。提出了基于交替引导滤波的多聚焦图像融合算法等创新观点。

第1章绪论

  11研究的背景和意义

  12多聚焦图像融合的分类

  13多聚焦图像像素级融合算法

  14聚焦区域检测’

  15多聚焦图像融合质量评价

  16本书主要研究内容

  17本书的结构安排

  参考文献

第2章边缘保持滤波基本理论

    21引言

    22全局化图像滤波

    23局部图像滤波

    24边缘保持图像滤波方法性能比较

    25本章小结

    参考文献

第3章基于交替引导滤波的多聚焦图像融合算法

    31引言

    32交替引导滤波模型

    33基于交替引导滤波的多聚焦图像融合算法

    34实验结果与分析

    35本章小结

    参考文献

第4章  基于二尺度分解和整体稀疏特征的图像融合算法

    41  引言

    42梯度域引导滤波基本模型

    43鲁棒主成分分析分解模型

    4·4基于二尺度分解和整体稀疏特征的图像融合算法

    45实验结果与分析

    46本章小结

    参考文献

第5章基滑迭代恢复滤波的多聚焦图像融合算法

    51  引言

    5滑迭代恢复滤波模型

    5·3基滑迭代恢复滤波的多聚焦图像融合算法

    54实验结果与分析

    55本章小结

    参考文献

第6章基于导向滤波的多聚焦图像融合算法

    61  引言

    62导向滤波模型

    6-3基于导向滤波的融合算法

    64实验结果与分析

    65本章小结

    参考文献

第7章基于动态引导滤波的多聚焦图像融合算法

    71  引言

    72动态引导滤波模型

    73非负矩阵分解模型

    7·4基于动态引导滤波的融合算法

    75实验结果与分析

    75本章小结

    参考文献

第8章总结与展望

  81本书工作总结

  82本书创新之处

  83研究展望

附录

．  多聚焦图像融合是一种解决光学成像系统对不同距离目标聚焦范围有限的问题的有效方法，可以有效提高图像信息的利用率，扩大系统工作范围，增强系统可靠性，更加准确地描述场景中的目标信息。目前，该技术被广泛应用于、安防、军事等领域。由于受图像采集设备、采集过程以及图像内容复杂性影响，传统的多聚焦图像像素级融合方法很难对源图像中聚焦区域准确定位，且融合图像质量并不理想。本书针对现有多聚焦图像像素级融合方法存在的不足，在空间域内对多聚焦图像像素级融合算行了深入研究。本书主要研究内容如下：

pan style="font-family:宋体">．提出了基于交替引导滤波(Alternating Guided Filtering，AGF)的多聚焦图像融合算法。针对空域融合方法的“块效应”问题，提出了基于AGF的多聚焦图像融合算法。算法结合AGF所具有的边缘保持优良特性，对多聚焦图行分解，并对基础层和细节层的像素邻域扫描来检测源图像的梯度特征，定位源图像中的聚焦区域，有效了“块效应”，提高了融合图像视觉效果。

2．提出了一种基于二尺度分解和整体稀疏特征的多聚焦图像融合算法。该方法基于梯度域导向图像滤波(Gradient Domain Guided Im。g。Filter,GDGIF)将多聚焦图像分解为基础层和细节层，利用鲁棒主成分分析(RObustPrincipal Component Analysis，RPCA)得到源图像的稀疏成分，通过形态学梯度算子来判定聚焦区域像素。该方法可有效地保留图像边缘和纹理信息，且对噪声具有一定的鲁棒性，性能优于传统融合方法。

3．提出了一种基滑迭代恢复(Smooth and lteratively Restore，SIR)滤波的多聚焦图像融合算法。该算法基于SIR将源图像分解为基础层和细节层，通过比较邻域像素的显著特征值，采用值选择方案构造基础层和细节层的融合决策图，根据融合规则将基础层和细节层分别融合，并将融合的基础层和细节层合并得到最后的融合图像。该方法改善了融合图像视觉效果，提升了融合图像质量。

4．提出了一种基于导向滤波的多聚焦图像融合算法。该算法基于导向滤波框架，分别利用梯度能量和空间频率来对基础层和细节层的聚焦区行聚焦特性判定，分别对基础层和细节行融合，并将融合后的基础层和细节层合并得到最后的融合图像。该算法有效提高了聚焦区域判定的准确性，增强了融合算法对源图像细节信息的转移能力。

5．提出了一种基于动态引导滤波(Rolling Guidance Fiher，RGF)的多聚焦图像融合算法。该算法利用非负矩阵分解和主成分分析分别对源图像的基础和细节成行融合，并将融合后的基础层和细节层合并得到最后的融合图像。该算法有效提高了融合图像的视觉效果。

最后，对本书的主要研究工作和创新行总结，并对未来研究方行了展望。

本书在写作过程中得到西北大学陈莉教授，洛阳师范学院梁留科教授的悉心指导，同时本书还得到了以下项目台支持，在此表示衷心感谢。

提供支持的项目：

(pan style="font-family:宋体">国家研发计划项目“中意智慧城市合作研究室”(2016YFE0104600)：

(2)河南省科技攻关项目“基于自适应边缘保持滤波的多传感器图像融合算法研究”(192102210122)。

提供支持台：

pan style="font-family:宋体">．河南省优势学科“旅游管理”；

2．中原经济区智慧旅游河南省协同创新中心；

3．河南省智慧旅游产业技术创新战略联盟；

4．河南省旅游公共服务大数据产业技术研究院；

5．河南省智慧旅游与物联网工程实验室；

6．电子商务大数据处理河南省工程技术研究中心；

7．洛阳市旅游公共服务大数据分析与处理实验室。

由于作者有限，加之时间仓促，不足之处在所难免，恳请读者批评指正。

作  者

2020年3月

第pan style="font-family: 宋体">章  绪论

pan style="font-family:宋体">．pan style="font-family:宋体">研究的背景和意义

(2014--2020年)》将信息融合作为智慧城市建设国家发展的重要战略基础。美国和欧盟都投入巨行信息融合系统的开发和研究，取得了相应的成果。多聚焦图像融合作为信息融合范畴内以图像信息为研究对象的一个重要研究领域，它可以获得更加全面的目标状态数据，为特征提取、目标识别与追踪等研究奠定了良好的基础，其理论和方法研究已经成为国内外研究的热点之一_2j。它还可以有效提高图像信息的利用效率和系统的可靠性，扩展时空覆盖范围，降低不确定性，在智慧城市、成像、军事作战以及监控等领域有着广泛的应用价值∞。。

多聚焦图像融合是一种将来自同一场景的许多图像的信息融合在一起的方法，这些图像取自各种传感器或同一传感器不同的位置、不同的时间。其基本原理是把来自不同类型传感器或同一传感器在不同时间、不同方式下所获取的某个场景的多幅图行配准，采用某种算法对行融合，得到一幅新的关于此场景的更为丰富、和可靠的图像，克服了单一传感器图像在分辨率、几何以及光谱等方面的差异性和局限性，能更好地对事件或物理现行识别、理解和定位。图像融合的目的是融合从两个或多个图像中提取的重要信息的细节。1979年，Daily等人首先把雷达图像和Landsat·MSS图像的复合图像应用于地质解释，其处理过程可以看作是最简单的图像融合。20世纪80年代初，图像融合技术被应用于遥感多光谱图像的分析与处理；20世纪80年代末，图像融合技术开始被应用于可见光图像，红外图像等一般图像处理。20世纪90年代以后，图像融合技术广泛应用于遥感图像处理、可见光图像处理、红外图像处理以及医学图像处理。但是在应用过程中，由于聚焦范围有限，光学传感器成像系统无法对场景中的所有物体都清晰成像。当物体位于成像系统的焦点上时，它在面上的成像是清晰的，而同一场景内，其他位置上的物体在面上的成像是模糊的H。。虽然光学镜头成像技术的快速发展提高了成像系统的分辨率，却无法消除聚焦范围局限性对整体成像效果的影响，使得同一场景内的所有物体难以同时在面上清晰成像，不利于图像的准确分析和理解吲。另外，分析相当数量的相似图像既浪费时间又浪费精力，也会造成存储空间上的浪费。如何能够得到一幅同一场景中所有物体都清晰的图像，使其更加全面、真实的反映场景信息对于图像的准确分析和理解具有重要意义。

多聚焦图像融合作为多源图像融合的一个重要分支，是解决成像系统聚焦范围局限性问题的有效方法。该方法主要用于同一光学传感器在相同成像条件下获取的聚焦目标不同的多幅图像的融合处理，对经过配准的关于某场景的不同物体的多幅聚焦图像，采用某种融合算法分别提取这些多聚焦图像的清晰区域，将其合成为一幅该场景中所有物体都清晰的融合图像¨。。多聚焦图像融合技术使不同成像距离上的物体能够清晰地呈现在一幅图像中，为特征提取、目标识别与追踪等奠定了良好的基础，从而有效地提高了图像信息的利用率和系统的可靠性，扩展了时空范围，降低了不确定性。在遥感技术、成像、军事作战以及监控等领域该技术有着广泛的应用价值Ⅲ。

本章将对多聚焦图像像素级融合的相关技行研究，该研究受到国家自科基金项目“多特征驱动的彩色多聚焦图像融合理论与方法研究，‘(61502219)、中国博士后科学基金项目“多特征驱动的彩色多聚焦图像融合关键技术研究”(2015M582697)，河南省高校科技创新人才支持计划项目“彩色多聚焦图像融合理论研究”(17HASTIT024)，河南省科技攻关项目“基于自适应边缘保持滤波的多传感器图像融合算法研究，，(192102210122)的支持。

pan style="font-family:宋体">．2多聚焦图像融合的分类

根据多聚焦图像融合处理抽象的级别，可将多聚焦图像融合分为三个层次：像素级图像融合、图像融合和决策级图像融合Ⅲ。

像素级图像融合过程如图pan style="font-family:宋体">．pan style="font-family: 宋体">所示，在像素级别，使用单个像素直接合并图像以形成融合决策。综述文献睁’’对像素级图像融行了全面的研究，该层次的图像融合直接在原始图像的灰度数据上采用合适的融合……