CN106780420B - 基于图像引导滤波器的彩色图像融合算法 - Google Patents

基于图像引导滤波器的彩色图像融合算法 Download PDF

Info

Publication number
CN106780420B
CN106780420B CN201611122353.4A CN201611122353A CN106780420B CN 106780420 B CN106780420 B CN 106780420B CN 201611122353 A CN201611122353 A CN 201611122353A CN 106780420 B CN106780420 B CN 106780420B
Authority
CN
China
Prior art keywords
image
filter
mean filter
color image
conspicuousness
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611122353.4A
Other languages
English (en)
Other versions
CN106780420A (zh
Inventor
邹逸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Simvision Technology Co Ltd
Original Assignee
Wuxi Simvision Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuxi Simvision Technology Co Ltd filed Critical Wuxi Simvision Technology Co Ltd
Priority to CN201611122353.4A priority Critical patent/CN106780420B/zh
Publication of CN106780420A publication Critical patent/CN106780420A/zh
Application granted granted Critical
Publication of CN106780420B publication Critical patent/CN106780420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像引导滤波器的彩色图像融合算法,包括以下步骤:将待处理的源彩色图像利用显著性检测算法进行计算,得到显著性映射图像;建立三维图像引导滤波器;三维图像引导滤波器输出引导滤波后图像;将待处理的源彩色图像进行均值滤波,得到均值滤波后图像;将源彩色图像与均值滤波后图像做差分运算,得到差分后图像;引导滤波后图像和均值滤波后图像做加权均值滤波;引导滤波后图像和差分后图像做加权均值滤波;将最后两步结果叠加,得到灰度级图像。本发明在最后处理得到的灰度级图像上,可以更加突出图像的主体部分,更加强调人眼能够察觉到的图像结构特征的变化。

Description

基于图像引导滤波器的彩色图像融合算法
技术领域
本发明涉及图像处理方法,具体涉及一种基于图像引导滤波器的彩色图像融合算法。
背景技术
图像是人类认识世界的直接来源之一。同时,随着70年代以来计算机能够根据不同的颜色空间模拟呈现客观世界中的颜色,彩色图像开始在机器视觉和图像处理领域占有越来越重要的地位,成为学者们的研究热点。
但是,相对与灰度图像,由于彩色图像包含更加复杂且丰富的信息,要获得精确的图像处理结果则需要增加计算的复杂度,牺牲图像处理算法的实时性。为在彩色图像的融合过程中保持图像特征,且不产生虚假特征,尽可能的保留彩色图像信息的同时,进一步简化彩色图像分析的复杂度,提高图像处理的实时性,我们提出了基于图像引导滤波器的彩色图像融合算法。
发明内容
针对现有技术的不足,本发明公开了一种基于图像引导滤波器的彩色图像融合算法。
本发明的技术方案如下:
一种基于图像引导滤波器的彩色图像融合算法,包括以下步骤:
步骤1、将待处理的源彩色图像Ri,利用显著性检测算法进行计算,得到显著性映射图像Ii
步骤2、建立三维图像引导滤波器;将源彩色图像Ri作为三维图像引导滤波器的引导图像,显著性映射图像Ii作为三维图像引导滤波器的输入图像;
三维图像引导滤波器的输出为:
式(4)中,和Bk分别为:
式(5)和式(6)中,i为图像像素点,k为内的像素点,是正则化参数,∑k是窗口内的协方差矩阵,U是单位矩阵,μk是显著性映射图像Ii在窗口内的均值;是窗口内像素个数的总和,是显著性映射图像Ii在窗口内的均值;
三维图像引导滤波器输出引导滤波后图像I′i
步骤3、将待处理的源彩色图像Ri通过R、G、B三个通道分别进行均值滤波,得到均值滤波后图像R′i
步骤4、分别通过R、G、B三个通道,将源彩色图像Ri与均值滤波后图像R′i做差分运算,得到差分后图像ΔR;
步骤5、引导滤波后图像I′i和均值滤波后图像R′i做加权均值滤波;
步骤6、引导滤波后图像I′i和差分后图像ΔR做加权均值滤波;
步骤7、将步骤5和步骤6所得到的结果叠加,得到灰度级图像。
本发明的有益技术效果是:
相对于现有技术,本发明所提出的基于图像引导滤波器的算法在图像的整体亮度效果上并不明显,所以在最后处理得到的灰度级图像上,可以更加突出图像的主体部分,更加强调人眼能够察觉到的图像结构特征的变化。
附图说明
图1是本发明的算法流程图。
具体实施方式
本发明是针对RGB三通道的彩色图像处理而言。三通道的彩色图像处理方法的原理是基于二维图像,即灰度图像的处理方法的。
二维图像引导滤波器的建立方法如下:
二维图像引导滤波器的输入信号为引导图像集合R和输入图像集合I,二维图像引导滤波器的输出信号为:
式(1)中,i表示图像像素点;是固定大小的模板窗口,例如,在具体的实施例中,可以为3×3的窗口;k为内的像素点,Ak、Bk为引导图像R和输入图像I之间的最小均方差,其计算方法分别如下:
式(2)、式(3)中,μk、δk分别是引导图像R在窗口内的均值和方差;是窗口内像素个数的总和,是输入图像I在窗口内的均值。
图1是本发明的算法流程图。依据以上建立的二维图像引导滤波器,如图1所示,本发明所述的彩色图像融合算法的步骤如下:
步骤1、将待处理的源彩色图像Ri,利用显著性检测算法进行计算,得到显著性映射图像Ii
在上述二维图像引导滤波器中,输入信号、输出信号均为二维数组,而基于彩色图像融合算法来说,其源彩色图像Ri和显著性映射图像Ii均为向量。
图像显著性检测算法用于突出图像在人类视觉系统中的主体特征部分和周围不相关像素之间的对比度。图像显著性检测算法发展至今已存在多种实现方法,例如,可采用频谱的分析的方法,将图像的频谱减去频谱均值得到。
步骤2、基于二维图像引导滤波器,建立三维图像引导滤波器;将源彩色图像Ri作为引导图像,显著性映射图像Ii作为三维图像引导滤波器的输入图像,利用三维图像引导滤波器分析后得到引导滤波后图像I′i
三维图像引导滤波器的输出为:
式(4)中,和Bk皆是3×1的系数矢量,Ri是彩色引导图像。
和Bk分别为:
式(5)和式(6)中,是自定义的正则化参数,∑k是窗口内的协方差矩阵,U是3×3的单位矩阵,μk是显著性映射图像Ii在窗口内的均值;是窗口内像素个数的总和,是显著性映射图像Ii在窗口内的均值;
步骤3、将源彩色图像Ri分为R、G、B三个通道进行均值滤波,得到均值滤波后图像R′i
步骤4、分别通过R、G、B三个通道,将源彩色图像Ri与均值滤波后图像R′i做差分运算,得到差分后图像ΔR。
步骤5、对引导滤波后图像I′i和均值滤波后图像R′i做加权均值滤波;
步骤6、对引导滤波后图像I′i和差分后图像ΔR做加权均值滤波;
步骤7、将步骤5和步骤6所得到的结果叠加,得到最终的灰度级图像。
以上所述的仅是本发明的优选实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。

Claims (1)

1.一种基于图像引导滤波器的彩色图像融合算法,其特征在于,包括以下步骤:
步骤1、将待处理的源彩色图像Ri,利用显著性检测算法进行计算,得到显著性映射图像Ii
步骤2、建立三维图像引导滤波器;将源彩色图像Ri作为三维图像引导滤波器的引导图像,显著性映射图像Ii作为三维图像引导滤波器的输入图像;
三维图像引导滤波器的输出为:
式(4)中,和Bk分别为:
式(5)和式(6)中,i为图像像素点,k为内的像素点,是正则化参数,∑k是窗口内的协方差矩阵,U是单位矩阵,μk是显著性映射图像Ii在窗口内的均值;是窗口内像素个数的总和,是显著性映射图像Ii在窗口内的均值;
三维图像引导滤波器输出引导滤波后图像I′i
步骤3、将待处理的源彩色图像Ri通过R、G、B三个通道分别进行均值滤波,得到均值滤波后图像R′i
步骤4、分别通过R、G、B三个通道,将源彩色图像Ri与均值滤波后图像R′i做差分运算,得到差分后图像ΔR;
步骤5、引导滤波后图像I′i和均值滤波后图像R′i做加权均值滤波;
步骤6、引导滤波后图像I′i和差分后图像ΔR做加权均值滤波;
步骤7、将步骤5和步骤6所得到的结果叠加,得到灰度级图像。
CN201611122353.4A 2016-12-08 2016-12-08 基于图像引导滤波器的彩色图像融合算法 Active CN106780420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611122353.4A CN106780420B (zh) 2016-12-08 2016-12-08 基于图像引导滤波器的彩色图像融合算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611122353.4A CN106780420B (zh) 2016-12-08 2016-12-08 基于图像引导滤波器的彩色图像融合算法

Publications (2)

Publication Number Publication Date
CN106780420A CN106780420A (zh) 2017-05-31
CN106780420B true CN106780420B (zh) 2019-05-24

Family

ID=58877757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611122353.4A Active CN106780420B (zh) 2016-12-08 2016-12-08 基于图像引导滤波器的彩色图像融合算法

Country Status (1)

Country Link
CN (1) CN106780420B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117437151B (zh) * 2023-12-21 2024-03-08 成都市晶林科技有限公司 一种噪声抑制的伪彩映射方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567956A (zh) * 2010-12-30 2012-07-11 方正国际软件(北京)有限公司 一种图像边缘清晰化的方法和系统
CN104050637A (zh) * 2014-06-05 2014-09-17 华侨大学 基于两次引导滤波的快速图像去雾方法
CN104408700A (zh) * 2014-11-21 2015-03-11 南京理工大学 基于形态学和pca的轮廓波红外与可见光图像融合方法
CN104732507A (zh) * 2015-04-02 2015-06-24 西安电子科技大学 基于纹理信息重构的不同光照两帧图像融合方法
CN105279746A (zh) * 2014-05-30 2016-01-27 西安电子科技大学 一种基于双边滤波的多曝光图像融合方法
CN105654448A (zh) * 2016-03-29 2016-06-08 微梦创科网络科技(中国)有限公司 一种基于双边滤波及权值重建的图像融合方法及系统
CN105761214A (zh) * 2016-01-14 2016-07-13 西安电子科技大学 基于轮廓波变换与引导滤波的遥感图像融合方法
CN105913408A (zh) * 2016-04-12 2016-08-31 湘潭大学 一种基于双边滤波器的多聚焦图像融合方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567956A (zh) * 2010-12-30 2012-07-11 方正国际软件(北京)有限公司 一种图像边缘清晰化的方法和系统
CN105279746A (zh) * 2014-05-30 2016-01-27 西安电子科技大学 一种基于双边滤波的多曝光图像融合方法
CN104050637A (zh) * 2014-06-05 2014-09-17 华侨大学 基于两次引导滤波的快速图像去雾方法
CN104408700A (zh) * 2014-11-21 2015-03-11 南京理工大学 基于形态学和pca的轮廓波红外与可见光图像融合方法
CN104732507A (zh) * 2015-04-02 2015-06-24 西安电子科技大学 基于纹理信息重构的不同光照两帧图像融合方法
CN105761214A (zh) * 2016-01-14 2016-07-13 西安电子科技大学 基于轮廓波变换与引导滤波的遥感图像融合方法
CN105654448A (zh) * 2016-03-29 2016-06-08 微梦创科网络科技(中国)有限公司 一种基于双边滤波及权值重建的图像融合方法及系统
CN105913408A (zh) * 2016-04-12 2016-08-31 湘潭大学 一种基于双边滤波器的多聚焦图像融合方法

Also Published As

Publication number Publication date
CN106780420A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
US10430707B2 (en) Information processing device
CN102750674B (zh) 基于自适应容差的视频图像去雾方法
CN108257139B (zh) 基于深度学习的rgb-d三维物体检测方法
CN107545302B (zh) 一种人眼左右眼图像联合的视线方向计算方法
CN108388882B (zh) 基于全局-局部rgb-d多模态的手势识别方法
CN103914699B (zh) 一种基于色彩空间的自动唇彩的图像增强的方法
US8718356B2 (en) Method and apparatus for 2D to 3D conversion using scene classification and face detection
CN108596102B (zh) 基于rgb-d的室内场景物体分割分类器构造方法
CN106651853B (zh) 基于先验知识和深度权重的3d显著性模型的建立方法
CN111723691B (zh) 一种三维人脸识别方法、装置、电子设备及存储介质
CN111523398A (zh) 一种融合2d人脸检测和3d人脸识别的方法及装置
CN109344804A (zh) 一种激光点云数据的识别方法、装置、设备和介质
WO2018082389A1 (zh) 一种肤色检测方法、装置及终端
CN108765333B (zh) 一种基于深度卷积神经网络的深度图完善方法
CN105279739A (zh) 一种自适应含雾数字图像去雾方法
CN113312965A (zh) 一种人脸未知欺骗攻击活体检测方法及系统
CN105678318A (zh) 交通标牌的匹配方法及装置
CN112487981A (zh) 基于双路分割的ma-yolo动态手势快速识别方法
CN108460794A (zh) 一种双目立体红外显著目标检测方法及系统
CN102567969B (zh) 一种彩色图像边缘检测方法
CN106780420B (zh) 基于图像引导滤波器的彩色图像融合算法
CN109658523A (zh) 利用ar增强现实应用实现车辆各功能使用说明的方法
CN116449947B (zh) 一种基于tof相机的汽车座舱域手势识别系统及方法
CN113610720A (zh) 视频去噪方法及装置、计算机可读介质和电子设备
Li et al. Multi-scale fusion framework via retinex and transmittance optimization for underwater image enhancement

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant