CN107369148A - 基于改进sml与导向滤波的多聚焦图像融合方法 - Google Patents

基于改进sml与导向滤波的多聚焦图像融合方法 Download PDF

Info

Publication number
CN107369148A
CN107369148A CN201710855568.5A CN201710855568A CN107369148A CN 107369148 A CN107369148 A CN 107369148A CN 201710855568 A CN201710855568 A CN 201710855568A CN 107369148 A CN107369148 A CN 107369148A
Authority
CN
China
Prior art keywords
mrow
image
mtd
focus
fusion
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.)
Granted
Application number
CN201710855568.5A
Other languages
English (en)
Other versions
CN107369148B (zh
Inventor
王淑青
李叶伟
朱道利
潘健
邹煜
要若天
刘宗
毛月祥
周博文
蔡颖靖
王坤
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.)
Wuhan Fenjin Intelligent Machine Co ltd
Original Assignee
Hubei University of Technology
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 Hubei University of Technology filed Critical Hubei University of Technology
Priority to CN201710855568.5A priority Critical patent/CN107369148B/zh
Publication of CN107369148A publication Critical patent/CN107369148A/zh
Application granted granted Critical
Publication of CN107369148B publication Critical patent/CN107369148B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于改进SML与导向滤波的多聚焦图像融合方法，包括步骤：采用改进SML方法对配准后的两幅多聚焦输入图像进行处理，得到两幅聚焦检测图；分别对两幅聚焦检测图进行形态学开闭交替处理得到对应的聚焦区域重构图；比较两幅聚焦区域重构图中相同位的值，从而得到一幅聚焦区域与散焦区域分离的二值分割图；将二值分割图进行小区域滤波处理得到初始融合决策图；使用其中一幅输入图像作为引导图像，初始融合决策图作为导向滤波输入图像，进行导向滤波操作得到精确融合决策图；采用加权融合规则计算出融合图像。本发明方法结合了基于像素与基于区域融合方法的优点，具有计算速度快，保留更多源图像信息的优点。

Description

基于改进SML与导向滤波的多聚焦图像融合方法
技术领域
本发明属于图像处理领域，涉及一种多聚焦图像融合方法，具体涉及一种基于改进SML与导向滤波的多聚焦图像融合方法。
背景技术
图像融合技术广泛应用于遥感、医疗成像、计算机视觉等领域，被用来将多张输入图像组合成单张融合图像，得到的融合图像比任何一张输入图像具有更多的人类或者机器感知信息。多聚焦图像融合是该领域的一个重要分支。在数字摄影应用中，受光学镜头景深限制，像数字单镜头反光相机这样的成像装置通常难以对场景中的所有重要目标聚焦。一个可行的解决方案就是多聚焦图像融合技术，该技术将同一场景中具有不同聚焦设置的多张图像融合成单张全聚焦图像，这样场景中的重要目标均得到聚焦。
现有的图像融合技术可以分为变换域方法和空间域方法两类。基于多尺度变换理论的融合方法是一种经典的变换域图像融合方法。自从拉普拉斯金字塔图像融合方法提出以来，大量基于多尺度变换的融合方法被提出，这些方法大致可以分为分解、融合、重建三个步骤。但是由于其向下采样过程，该方法存在平移变化问题。近年来，一些新的变换域融合方法被提出，与基于多尺度变换的融合方法不同，这些方法将图像变换为单尺度特征域并计算清晰度，利用滑动窗口作近似平移不变融合处理。但是，这些方法因为错误配准的原因，融合图像存在丢失原图像信息的问题。
基于空间域的融合方法又可以分为基于像素方法、基于分块方法和基于区域方法三类。因为只考虑单个像素或局部邻域信息，基于像素方法很容易导致融合图像效果不好，出现对比度降低、伪影等现象。早期的空间域方法通常采用基于分块的融合策略，将源图像分解为相同大小块，然后对每个块进行清晰度检测，显然，块大小对融合结果的质量有很大的影响。与基于像素方法、基于分块方法相比，基于区域的融合方法能保留更多的图像结构信息，该方法首先将源图像分割成多个区域，然后比较相应区域的聚焦度来找出聚焦区域，然而该方法过于依赖分割效果而且计算耗时长。
发明内容
本发明是要解决现有多聚焦图像融合方法存在的源图像信息丢失问题，而提供了基于改进SML(改进拉普拉斯能量Sum of Modified Laplacian，SML)与导向滤波的快速多聚焦图像融合方法，而提高融合图像质量。
本发明提供的基于改进SML与导向滤波的快速多聚焦图像融合方法，包括以下步骤：
步骤一，采用改进SML方法对已配准的多聚焦输入图像IA(x,y)和IB(x,y)进行处理，得到两幅聚焦检测图SA(x,y)和SB(x,y)，其中(x,y)为图像坐标位置，IA(x,y)和IB(x,y)为同一场景聚焦于不同目标的灰度图像；
步骤二，分别对两幅聚焦检测图进行形态学开闭交替处理，得到对应的聚焦区域重构图MA(x,y)和MB(x,y)，所述形态学开闭交替处理的实现方式为，
M(x,y)＝(S(x,y)οSE)·SE (4)
其中，其中ο和·分别表示形态学开与闭操作，SE为“disk”结构元素；
步骤三，比较两幅聚焦区域重构图中相同位的值，如果MA(x,y)>MB(x,y)，则记为“1”，表示聚焦像素点，反之记为“0”，表示散焦像素点，从而得到一幅聚焦区域与散焦区域分离的二值分割图B(x,y)，
步骤四，将二值分割图进行小区域滤波处理，得到初始融合决策图T(x,y)，
T(x,y)＝SRF(B(x,y),threshold) (6)
步骤五，使用IA(x,y)作为引导图像，初始融合决策图作为导向滤波输入图像，进行导向滤波操作，得到精确融合决策图D(x,y)，
D(x,y)＝GFr,ε(IA(x,y),T(x,y)) (7)
其中，GFr,ε(·)表示导向滤波操作；
步骤六，采用以下加权融合规则计算出融合图像F(x,y)，
F(x,y)＝D(x,y)IA(x,y)+(1-D(x,y))IB(x,y) (8)
其中，D(x,y)表示图像坐标(x,y)处的权重。
进一步的，所述改进SML方法对输入图像进行处理得到聚焦检测图的实现方式如下，
其中，N、M分别表示滑动窗口的宽、高，i、j表示图像坐标，ISML的计算过程为，
其中，T为阈值，ML的计算过程为，
其中，step表示可变步长，f(x,y)表示输入图像。
与现有技术相比，本发明方法的优点在于：
(1)本发明利用改进SML与形态学开闭操作，具有测量稳定性，聚焦区域检测结果准确的优点。
(2)本发明利用导向滤波对融合决策图聚焦边缘区域进行一致性校验，准确的分割聚焦边缘位置，使得融合图像与真实场景的一致性更好。
(3)本发明所提出的多聚焦图像融合方法结合了基于像素与基于区域融合方法的优点，具有计算速度快，保留更多源图像信息的优点。
(4)本发明方法可广泛应用于遥感、医疗成像、计算机视觉等领域，具有较大的应用前景和经济价值。
附图说明
图1为本发明实施例流程图；
图2为本发明实施例中输入图像IA；
图3为本发明实施例中输入图像IB；
图4为本发明实施例中聚焦检测图SA；
图5为本发明实施例中聚焦检测图SB；
图6为本发明实施例中二值分割图B；
图7为本发明实施例中初始融合决策图T；
图8为本发明实施例中精确融合决策图D；
图9为本发明实施例中融合结果图像F。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步说明。
如图1所示，本发明提出的基于改进SML与导向滤波的快速多聚焦图像融合方法的具体实施方式包括以下步骤：
步骤一：对已配准的输入图像IA(x,y)和IB(x,y)，其中(x,y)为图像坐标位置，IA(x,y)和IB(x,y)为同一场景聚焦于不同目标的灰度图像，如图2和图3，图2中男孩在焦面上，清晰度高，细节丰富，而处于散焦区域的女孩和塑像模糊，反之，图3中男孩处于散焦区域而模糊，聚焦区域的女孩清晰而细节丰富；采用改进SML方法(用ISML表示)得到两幅聚焦检测图SA(x,y)和SB(x,y)，如图4和图5，聚焦检测图的具体计算公式如下：
其中：N、M分别表示滑动窗口的宽、高，i、j表示图像坐标，ISML的计算过程为：
其中：T为阈值，本实施例中T＝5，ML的计算过程为：
其中：step表示可变步长，本实施例中step＝1，f(x,y)表示输入图像；
步骤二：分别对两幅聚焦检测图进行形态学开闭交替处理，得到对应的聚焦区域重构图MA(x,y)和MB(x,y)：
其中：其中和·分别表示形态学开与闭操作，SE为“disk”结构元素，本实施例中结构元素的尺寸为5；
步骤三：比较两幅聚焦区域重构图中相同位的值(相同位的值在每幅聚焦区域重构图中只有一个)，如果MA(x,y)>MB(x,y)则记为“1”，表示聚焦像素点，反之记为“0”，表示散焦像素点，从而得到一幅聚焦区域与散焦区域分离的二值分割图B(x,y)，如图6：
步骤四：将二值分割图进行小区域滤波(SRF)处理，得到初始融合决策图T(x,y)，如图7，小区域滤波算法的具体实现可参见文献Criminisi A,Pérez P,Toyama K.Regionfilling and object removal by exemplar-based image inpainting[J].IEEETransactions on image processing,2004,13(9):1200-1212；
T(x,y)＝SRF(B(x,y),threshold) (6)
其中：SRF(·)表示小区域滤波操作，threshold表示小区域阈值，本实施例中threshold取输入图像面积的1/40；
步骤五：使用IA(x,y)作为引导图像，初始融合决策图作为导向滤波输入图像，进行导向滤波操作，得到精确融合决策图D(x,y)，如图8；以IA(x,y)作为引导图像，可以将引导图像的结构信息转移到输出图像，从而实现聚焦区域与散焦区域边缘校验，其中决策图D(x,y)的表达式如下：
D(x,y)＝GFr,ε(IA(x,y),T(x,y)) (7)
其中：GFr,ε(·)表示导向滤波操作，r和ε为导向滤波的两个参数，本实施例中r与ε分别取3和0.08，该算法的具体实现可参见文献Guided Image Filtering,by Kaiming He,Jian Sun,and Xiaoou Tang,in TPAMI 2013；
步骤六：采用加权融合规则计算出融合图像F(x,y)，得到的图像目标对象在一个焦面上，细节更丰富，视觉效果良好，融合后的图像如图9所示：
F(x,y)＝D(x,y)IA(x,y)+(1-D(x,y))IB(x,y) (8)
其中，D(x,y)对应坐标位置的权重。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (2)

1.基于改进SML与导向滤波的多聚焦图像融合方法，其特征在于，包括如下步骤：
步骤一，采用改进SML方法对已配准的多聚焦输入图像IA(x,y)和IB(x,y)进行处理，得到两幅聚焦检测图SA(x,y)和SB(x,y)，其中(x,y)为图像坐标位置，IA(x,y)和IB(x,y)为同一场景聚焦于不同目标的灰度图像；
步骤二，分别对两幅聚焦检测图进行形态学开闭交替处理，得到对应的聚焦区域重构图MA(x,y)和MB(x,y)，所述形态学开闭交替处理的实现方式为，
其中，其中和·分别表示形态学开与闭操作，SE为“disk”结构元素；
步骤三，比较两幅聚焦区域重构图中相同位的值，如果MA(x,y)>MB(x,y)，则记为“1”，表示聚焦像素点，反之记为“0”，表示散焦像素点，从而得到一幅聚焦区域与散焦区域分离的二值分割图B(x,y)，
<mrow> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mi>f</mi> <mi> </mi> <msub> <mi>M</mi> <mi>A</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&gt;</mo> <msub> <mi>M</mi> <mi>B</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>o</mi> <mi>t</mi> <mi>h</mi> <mi>e</mi> <mi>r</mi> <mi>w</mi> <mi>i</mi> <mi>s</mi> <mi>e</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
步骤四，将二值分割图进行小区域滤波处理，得到初始融合决策图T(x,y)，
T(x,y)＝SRF(B(x,y),threshold) (6)
步骤五，使用IA(x,y)作为引导图像，初始融合决策图作为导向滤波输入图像，进行导向滤波操作，得到精确融合决策图D(x,y)，
D(x,y)＝GFr,ε(IA(x,y),T(x,y)) (7)
其中，GFr,ε(·)表示导向滤波操作；
步骤六，采用以下加权融合规则计算出融合图像F(x,y)，
F(x,y)＝D(x,y)IA(x,y)+(1-D(x,y))IB(x,y) (8)
其中，D(x,y)表示图像坐标(x,y)处的权重。
2.如权利要求1所述的基于改进SML与导向滤波的多聚焦图像融合方法，其特征在于：所述改进SML方法对输入图像进行处理得到聚焦检测图的实现方式如下，
<mrow> <mi>S</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mi>x</mi> <mo>-</mo> <mi>N</mi> </mrow> <mrow> <mi>x</mi> <mo>+</mo> <mi>N</mi> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mi>y</mi> <mo>-</mo> <mi>M</mi> </mrow> <mrow> <mi>y</mi> <mo>+</mo> <mi>M</mi> </mrow> </munderover> <mi>I</mi> <mi>S</mi> <mi>M</mi> <mi>L</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中，N、M分别表示滑动窗口的宽、高，i、j表示图像坐标，ISML的计算过程为，
<mrow> <mi>I</mi> <mi>S</mi> <mi>M</mi> <mi>L</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mi>x</mi> <mo>-</mo> <mi>N</mi> </mrow> <mrow> <mi>x</mi> <mo>+</mo> <mi>N</mi> </mrow> </munderover> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mi>y</mi> <mo>-</mo> <mi>M</mi> </mrow> <mrow> <mi>y</mi> <mo>+</mo> <mi>M</mi> </mrow> </munderover> <mfrac> <mrow> <mi>M</mi> <mi>L</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mi>x</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>j</mi> <mo>-</mo> <mi>y</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mfrac> <mo>,</mo> <mi>M</mi> <mi>L</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&gt;</mo> <mi>T</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
其中，T为阈值，ML的计算过程为，
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>M</mi> <mi>L</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mo>|</mo> <mn>2</mn> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mi>s</mi> <mi>t</mi> <mi>e</mi> <mi>p</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>+</mo> <mi>s</mi> <mi>t</mi> <mi>e</mi> <mi>p</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>+</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>|</mo> <mn>2</mn> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mi>s</mi> <mi>t</mi> <mi>e</mi> <mi>p</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mi>s</mi> <mi>t</mi> <mi>e</mi> <mi>p</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
其中，step表示可变步长，f(x,y)表示输入图像。
CN201710855568.5A 2017-09-20 2017-09-20 基于改进sml与导向滤波的多聚焦图像融合方法 Active CN107369148B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710855568.5A CN107369148B (zh) 2017-09-20 2017-09-20 基于改进sml与导向滤波的多聚焦图像融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710855568.5A CN107369148B (zh) 2017-09-20 2017-09-20 基于改进sml与导向滤波的多聚焦图像融合方法

Publications (2)

Publication Number Publication Date
CN107369148A true CN107369148A (zh) 2017-11-21
CN107369148B CN107369148B (zh) 2019-09-10

Family

ID=60302906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710855568.5A Active CN107369148B (zh) 2017-09-20 2017-09-20 基于改进sml与导向滤波的多聚焦图像融合方法

Country Status (1)

Country Link
CN (1) CN107369148B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107909112A (zh) * 2017-11-27 2018-04-13 中北大学 一种红外光强与偏振图像多类变元组合的融合方法
CN108171676A (zh) * 2017-12-01 2018-06-15 西安电子科技大学 基于曲率滤波的多聚焦图像融合方法
CN108460724A (zh) * 2018-02-05 2018-08-28 湖北工业大学 基于马氏距离判别的自适应图像融合方法和系统
CN109754385A (zh) * 2019-01-11 2019-05-14 中南大学 未配准多聚焦图像的快速融合方法
CN110648302A (zh) * 2019-10-08 2020-01-03 太原科技大学 基于边缘增强引导滤波的光场全聚焦图像融合方法
CN110738628A (zh) * 2019-10-15 2020-01-31 湖北工业大学 一种基于wiml比较图的自适应焦点检测多聚焦图像融合方法
CN111062901A (zh) * 2019-11-27 2020-04-24 深圳市六六六国际旅行社有限公司 人脸图像处理方法、装置及计算机可读存储介质
CN111382703A (zh) * 2020-03-10 2020-07-07 大连海事大学 一种基于二次筛选与分数融合的指静脉识别方法
CN111462027A (zh) * 2020-03-12 2020-07-28 中国地质大学（武汉） 基于多尺度梯度和抠图的多聚焦图像融合方法
CN113487526A (zh) * 2021-06-04 2021-10-08 湖北工业大学 一种结合高低频系数改进聚焦清晰度度量的多聚焦图像融合方法
CN113763300A (zh) * 2021-09-08 2021-12-07 湖北工业大学 一种联合深度上下文与卷积条件随机场的多聚焦图像融合方法
CN113837976A (zh) * 2021-09-17 2021-12-24 重庆邮电大学 基于联合多域的多聚焦图像融合方法
CN114494182A (zh) * 2022-01-24 2022-05-13 云南联合视觉科技有限公司 多模态医学图像融合方法、装置及终端设备
CN117058061A (zh) * 2023-10-12 2023-11-14 广东工业大学 一种基于目标检测的多聚焦图像融合方法及相关装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103632353A (zh) * 2012-08-24 2014-03-12 西安元朔科技有限公司 基于nsct的多聚焦图像融合算法
US8885976B1 (en) * 2013-06-20 2014-11-11 Cyberlink Corp. Systems and methods for performing image fusion
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
CN105678723A (zh) * 2015-12-29 2016-06-15 内蒙古科技大学 基于稀疏分解和差分图像的多聚焦图像融合方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103632353A (zh) * 2012-08-24 2014-03-12 西安元朔科技有限公司 基于nsct的多聚焦图像融合算法
US8885976B1 (en) * 2013-06-20 2014-11-11 Cyberlink Corp. Systems and methods for performing image fusion
CN105678723A (zh) * 2015-12-29 2016-06-15 内蒙古科技大学 基于稀疏分解和差分图像的多聚焦图像融合方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HUI ZHAO: "Multi-focus color image fusion in the HSI space using the sum-modified-laplacian and a coarse edge map", 《IMAGE AND VISION COMPUTING》 *
刘帅奇等: "结合向导滤波与复轮廓波变换的多聚焦图像融合算法", 《信号处理》 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107909112A (zh) * 2017-11-27 2018-04-13 中北大学 一种红外光强与偏振图像多类变元组合的融合方法
CN107909112B (zh) * 2017-11-27 2020-08-18 中北大学 一种红外光强与偏振图像多类变元组合的融合方法
CN108171676A (zh) * 2017-12-01 2018-06-15 西安电子科技大学 基于曲率滤波的多聚焦图像融合方法
CN108171676B (zh) * 2017-12-01 2019-10-11 西安电子科技大学 基于曲率滤波的多聚焦图像融合方法
CN108460724A (zh) * 2018-02-05 2018-08-28 湖北工业大学 基于马氏距离判别的自适应图像融合方法和系统
CN109754385A (zh) * 2019-01-11 2019-05-14 中南大学 未配准多聚焦图像的快速融合方法
CN110648302B (zh) * 2019-10-08 2022-04-12 太原科技大学 基于边缘增强引导滤波的光场全聚焦图像融合方法
CN110648302A (zh) * 2019-10-08 2020-01-03 太原科技大学 基于边缘增强引导滤波的光场全聚焦图像融合方法
CN110738628A (zh) * 2019-10-15 2020-01-31 湖北工业大学 一种基于wiml比较图的自适应焦点检测多聚焦图像融合方法
CN110738628B (zh) * 2019-10-15 2023-09-05 湖北工业大学 一种基于wiml比较图的自适应焦点检测多聚焦图像融合方法
CN111062901A (zh) * 2019-11-27 2020-04-24 深圳市六六六国际旅行社有限公司 人脸图像处理方法、装置及计算机可读存储介质
CN111382703B (zh) * 2020-03-10 2023-06-23 大连海事大学 一种基于二次筛选与分数融合的指静脉识别方法
CN111382703A (zh) * 2020-03-10 2020-07-07 大连海事大学 一种基于二次筛选与分数融合的指静脉识别方法
CN111462027B (zh) * 2020-03-12 2023-04-18 中国地质大学（武汉） 基于多尺度梯度和抠图的多聚焦图像融合方法
CN111462027A (zh) * 2020-03-12 2020-07-28 中国地质大学（武汉） 基于多尺度梯度和抠图的多聚焦图像融合方法
CN113487526A (zh) * 2021-06-04 2021-10-08 湖北工业大学 一种结合高低频系数改进聚焦清晰度度量的多聚焦图像融合方法
CN113487526B (zh) * 2021-06-04 2023-08-25 湖北工业大学 一种结合高低频系数改进聚焦清晰度度量的多聚焦图像融合方法
CN113763300A (zh) * 2021-09-08 2021-12-07 湖北工业大学 一种联合深度上下文与卷积条件随机场的多聚焦图像融合方法
CN113763300B (zh) * 2021-09-08 2023-06-06 湖北工业大学 一种联合深度上下文与卷积条件随机场的多聚焦图像融合方法
CN113837976A (zh) * 2021-09-17 2021-12-24 重庆邮电大学 基于联合多域的多聚焦图像融合方法
CN113837976B (zh) * 2021-09-17 2024-03-19 重庆邮电大学 基于联合多域的多聚焦图像融合方法
CN114494182A (zh) * 2022-01-24 2022-05-13 云南联合视觉科技有限公司 多模态医学图像融合方法、装置及终端设备
CN117058061A (zh) * 2023-10-12 2023-11-14 广东工业大学 一种基于目标检测的多聚焦图像融合方法及相关装置
CN117058061B (zh) * 2023-10-12 2024-01-30 广东工业大学 一种基于目标检测的多聚焦图像融合方法及相关装置

Also Published As

Publication number Publication date
CN107369148B (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
CN107369148B (zh) 基于改进sml与导向滤波的多聚焦图像融合方法
CN110348445A (zh) 一种融合空洞卷积和边缘信息的实例分割方法
CN104408701B (zh) 一种大场景视频图像拼接方法
CN110334779B (zh) 一种基于PSPNet细节提取的多聚焦图像融合方法
CN103426182B (zh) 基于视觉注意机制的电子稳像方法
CN106228528B (zh) 一种基于决策图与稀疏表示的多聚焦图像融合方法
CN105678723B (zh) 基于稀疏分解和差分图像的多聚焦图像融合方法
CN102034247B (zh) 一种基于背景建模对双目视觉图像的运动捕捉方法
CN105894483B (zh) 一种基于多尺度图像分析和块一致性验证的多聚焦图像融合方法
CN107909560A (zh) 一种基于SiR的多聚焦图像融合方法及系统
CN109064505A (zh) 一种基于滑动窗口张量提取的深度估计方法
CN113221925A (zh) 一种基于多尺度图像的目标检测方法及装置
CN104036481B (zh) 一种基于深度信息提取的多聚焦图像融合方法
CN109509163B (zh) 一种基于fgf的多聚焦图像融合方法及系统
CN113763300B (zh) 一种联合深度上下文与卷积条件随机场的多聚焦图像融合方法
CN103578092A (zh) 一种多聚焦图像融合方法
CN112634298B (zh) 图像处理方法及装置、存储介质、终端
CN107689050A (zh) 一种基于彩色图像边缘引导的深度图像上采样方法
CN108230282A (zh) 一种基于agf的多聚焦图像融合方法及系统
CN110276279A (zh) 一种基于图像分割的任意形状场景文本探测方法
CN115331245A (zh) 一种基于图像实例分割的表格结构识别方法
CN106447640A (zh) 基于字典学习、旋转引导滤波的多聚焦图像融合方法及装置
CN107767332A (zh) 一种实时单幅图像深度恢复方法和系统
CN104966274A (zh) 一种采用图像检测与区域提取的局部模糊复原方法
CN106203428A (zh) 基于模糊估计融合的图像显著性检测方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210924

Address after: 430205 Hubei 1 East Lake New Technology Development Zone, Wuhan East 1 Industrial Park, No. 1, 25 high tech four road.

Patentee after: WUHAN FENJIN INTELLIGENT MACHINE Co.,Ltd.

Address before: 430068 1, Lijia 1 village, Nanhu, Wuchang District, Wuhan, Hubei

Patentee before: HUBEI University OF TECHNOLOGY

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Multi focus image fusion method based on improved SML and guided filtering

Effective date of registration: 20230907

Granted publication date: 20190910

Pledgee: Industrial Bank Limited by Share Ltd. Wuhan branch

Pledgor: WUHAN FENJIN INTELLIGENT MACHINE Co.,Ltd.

Registration number: Y2023980055705