CN110738628A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN110738628A
CN110738628A CN201910978835.7A CN201910978835A CN110738628A CN 110738628 A CN110738628 A CN 110738628A CN 201910978835 A CN201910978835 A CN 201910978835A CN 110738628 A CN110738628 A CN 110738628A
Authority
CN
China
Prior art keywords
area
focus
image
level
wiml
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
CN201910978835.7A
Other languages
English (en)
Other versions
CN110738628B (zh
Inventor
张子蓬
庆毅辉
邹煜
刘逸凡
王淑青
马烨
周博文
王晨曦
兰天泽
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.)
Hubei University of Technology
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 CN201910978835.7A priority Critical patent/CN110738628B/zh
Publication of CN110738628A publication Critical patent/CN110738628A/zh
Application granted granted Critical
Publication of CN110738628B publication Critical patent/CN110738628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automatic Focus Adjustment (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种基于WIML比较图的自适应焦点检测多聚焦图像融合方法，首先首先将彩色源图像A和B均转换为灰度图像；根据步骤1中获得的灰度图像，选择检测范围；获得焦点图像；由焦点图像得到三级比较图C3；由三级比较图C3获得两级比较图C2；消除两级比较图C2中的孤立噪声；结合两级比较图C2，将彩色源图像A和B融合。本发明提供的方法可将源图像的更多原始信息合并到单张图像中并有效提高融合图像质量，可作为边缘检测、特征提取等预处理步骤，具有广泛的应用前景。

Description

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
技术领域
本发明属于数字图像处理技术领域，特别是涉及一种基于WIML比较图的自适应焦点检测多聚焦图像融合方法。
背景技术
多聚焦图像融合是一种利用两张或多张相同场景但焦距不同的图像进行多区域聚焦合成图像的技术，不同焦距图像的融合对视觉增强具有重要作用，可以作为边缘检测、特征提取等各种处理模块的预处理步骤。多聚焦图像融合技术大致分为两类：基于变换域的方法和基于空间域的方法。基于空间域的多聚焦图像融合首先将彩色源图像转为灰度图像，其次对灰度图像焦点检测，最后根据融合策略将多张源图像融合。
其中的焦点检测是图像清晰度的测量，传统的焦点检测算法如图像梯度能量和算法、拉普拉斯能量和算法、改进拉普拉斯能量和算法与小波法等均在固定的范围内计算，范围的大小很大程度影响着焦点检测的效率，不合适的检测范围将导致不良的融合效果，因此需根据不同情况选择合适的检测范围。传统的改进拉普拉斯算子能量和算法仅计算水平和垂直方向上的改进拉普拉斯算子值，解决了当横向梯度和纵向梯度符号相反时互相抵消的问题，但焦点检测精度有待提高。
传统的融合策略多数采用图像分块的思想，通过选取焦点值较高的块区域进行融合，此类方法可能会使融合边界区域出现模糊效应，存在块状伪影。
发明内容
针对传统焦点检测算法只在固定范围内检测的情况，本发明提供了一种自适应焦点检测方法，焦点检测范围的调整取决于图像的边缘信息，将检测范围内灰度值的方差作为焦点检测范围大小的选择标准，避免了不合适检测范围的出现。针对改进拉普拉斯算子能量和算法的焦点检测精度不高的情况，本发明提供了加权拉普拉斯算法(WIML)，该算法在计算水平和垂直方向上改进拉普拉斯算子值的基础上，同时计算了主对角线区域和次对角线区域的改进拉普拉斯算子值，提高了基础检测精度。针对传统融合策略的不足，本发明提供了一种基于像素的融合策略，首先根据焦点图像获得三级比较图，通过比较中层次像素与检测区域质心的距离生成二级比较图，并在二级比较图上采用中值滤波减小噪声的影响，有效的提高了融合图像的视觉质量。
本发明所采用的技术方案是：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，其特征在于，包括以下步骤：
步骤1：将彩色源图像A和B均转换为灰度图像；
步骤2：根据步骤1中获得的灰度图像，选择检测范围；
步骤3：获取平坦区域；
步骤4：在平坦区域内进行焦点检测，获得焦点图像；
步骤5：由焦点图像得到三级比较图C3；
步骤6：由三级比较图C3获得两级比较图C2；
步骤7：消除两级比较图C2中的孤立噪声；
步骤8：结合两级比较图C2，将彩色源图像A和B融合。
作为优选，步骤1中，采用公式(1)将彩色源图像A和B均转换为灰度图像；
Figure BDA0002234530850000024
其中，I表示灰度图像中像素的亮度值，位于[0,255]区间，R、G、B分别表示彩色源图像中红、绿、蓝三基色通道的强度分量，α、β和
Figure BDA0002234530850000021
表示权重系数。
作为优选，步骤2中，在灰度图像中，选取X·Y区域进行灰度值方差估计，X、Y均为奇数，若灰度值方差σ不跟随X·Y区域内M·N检测范围的改变而变化或随M·N检测范围的改变而轻微变化，则表示X·Y区域为平坦区域，否则表示X·Y区域为边缘区域；
像素灰度值方差σ为：
Figure BDA0002234530850000022
其中，M·N表示检测范围，I(i,j)表示点(i,j)的灰度值，
Figure BDA0002234530850000023
表示检测范围内像素的平均灰度值。
作为优选，步骤3中，若X·Y区域为平坦区域，则选择X·Y区域为焦点检测区域；若X·Y区域为边缘区域，则适当缩小X·Y区域后，重新进行步骤2灰度值方差估计，直到X·Y区域缩小为平坦区域后，选择其为焦点检测区域。
作为优选，步骤4中，在X·Y区域内进行焦点检测，选择像素间距step＝1，采用加权新改进拉普拉斯算法WIML计算水平方向、垂直方向、主对角线区域和次对角线区域的改进拉普拉斯算子；
加权新改进拉普拉斯WIML定义为：
Figure BDA0002234530850000031
其中，IML(x,y)表示点(x,y)的新改进拉普拉斯算子，T表示阈值，定义为：
Figure BDA0002234530850000032
其中，w为像素之间的空间距离权重，Tr和Po分别代表横向梯度和纵向梯度通式，MDL和SDL分别代表主对角线区域和次对角线区域的的梯度通式，具体定义为：
Tr＝|2I(x,y)-I(x,y-j)-I(x,y+j)| (5)
Po＝|2I(x,y)-I(x-i,y)-I(x+i,y)| (6)
MDS＝|2I(x,y)-I(x-i,y-j)-I(x+i,y+j)| (7)
SDS＝|2I(x,y)-I(x+i,y-j)-I(x+i,y-j)| (8)
采用加权新改进拉普拉斯算法WIML将灰度图像转换为焦点图像M。
作为优选，步骤5中，由焦点图像M通过式(9)得到三级比较图C3；
Figure BDA0002234530850000034
其中，
Figure BDA0002234530850000035
分别表示焦点图像MA和MB中(x,y)点的像素值，D表示像素的差值，Th表示阈值，C3＝0、C3＝128和C3＝255分别代表该像素处于低层次、中层次和高层次。
作为优选，步骤6中，根据焦距不能突变的特点，通过比较像素与检测区域质心的距离，将中层次像素重新分配为低层次像素或高层次像素，获得两级比较图C2；
Figure BDA0002234530850000041
其中，(xc,yc)表示检测区域质心位置，G表示中层次与检测区域质心的距离，Thr表示阈值。
作为优选，步骤7中，采用中值滤波消除两级比较图C2中的孤立噪声，如式(11)所示：
Cm(x,y)＝Med(C2(x-k,y-l)),(k,l)∈w (11)
其中，Med(·)代表取中值操作，w为滑动窗口。
作为优选，步骤8中，结合两级比较图C2，彩色源图像通过式(12)融合；
其中，SA、SB表示源图像A和源图像B，C2表示两级比较图，F表示所得融合图像。
相对于现有技术，本发明的有益效果是：本发明提供的融合方法基于空间域，通过将检测范围内灰度值的方差作为焦点检测范围大小的选择标准，避免了不合适检测范围的出现。本发明提供了加权拉普拉斯算法(WIML)，该算法在计算水平和垂直方向上改进拉普拉斯算子值的基础上，同时计算了主对角线区域和次对角线区域的改进拉普拉斯算子值，提高了基础检测精度。本发明提供了一种基于像素的融合策略，首先根据焦点图像获得三级比较图，通过比较中层次像素与检测区域质心的距离生成二级比较图，并在二级比较图上采用中值滤波减小噪声的影响，有效的提高了融合图像的视觉质量。
附图说明
图1为本发明实施例的方法流程图；
图2为本发明实施例的焦点检测范围选择流程图；
图3为本发明实施例的焦点检测区域结构图；
图4为本发明实施例的基于比较图的融合策略算法流程图；
图5为本发明实施例的图“steel”在不同融合方法下的融合图像。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1，本发明提供的一种基于WIML比较图的自适应焦点检测多聚焦图像融合方法，包括以下步骤：
步骤1，采用公式(1)将彩色源图像A和B均转换为灰度图像；
Figure BDA0002234530850000051
其中，I表示灰度图像中像素的亮度值，位于[0,255]区间，R、G、B分别表示彩色源图像中红、绿、蓝三基色通道的强度分量，α、β和表示权重系数。
请见图2，本发明提供一种焦点检测范围流程，包括以下步骤：
步骤2，在灰度图像中，选取X·Y区域进行灰度值方差估计，X、Y均为奇数，若灰度值方差σ不跟随X·Y区域内M·N检测范围的改变而变化或随M·N检测范围的改变而轻微变化，则表示X·Y区域为平坦区域，否则表示X·Y区域为边缘区域；
像素灰度值方差σ为：
Figure BDA0002234530850000053
其中，M·N表示检测范围，I(i,j)表示点(i,j)的灰度值，
Figure BDA0002234530850000054
表示检测范围内像素的平均灰度值。
请见图3，本发明提供了一种焦点检测区域结构。
步骤3，若X·Y区域为平坦区域，则选择X·Y区域为焦点检测区域；若X·Y区域为边缘区域，则适当缩小X·Y区域后，重新进行步骤2灰度值方差估计，直到X·Y区域缩小为平坦区域后，选择其为焦点检测区域。
步骤4，在X·Y区域内进行焦点检测，选择像素间距step＝1，采用加权新改进拉普拉斯算法WIML计算水平方向、垂直方向、主对角线区域和次对角线区域的改进拉普拉斯算子；
加权新改进拉普拉斯WIML定义为：
Figure BDA0002234530850000061
其中，IML(x,y)表示点(x,y)的新改进拉普拉斯算子，T表示阈值，定义为：
Figure BDA0002234530850000062
其中，w为像素之间的空间距离权重，Tr和Po分别代表横向梯度和纵向梯度通式，MDL和SDL分别代表主对角线区域和次对角线区域的的梯度通式，具体定义为：
Figure BDA0002234530850000063
Tr＝|2I(x,y)-I(x,y-j)-I(x,y+j)| (5)
Po＝|2I(x,y)-I(x-i,y)-I(x+i,y)| (6)
MDS＝|2I(x,y)-I(x-i,y-j)-I(x+i,y+j)| (7)
SDS＝|2I(x,y)-I(x+i,y-j)-I(x+i,y-j)| (8)
采用加权新改进拉普拉斯算法WIML将灰度图像转换为焦点图像M。
步骤5，由焦点图像M通过式(9)得到三级比较图C3；
其中，
Figure BDA0002234530850000065
分别表示焦点图像MA和MB中(x,y)点的像素值，D表示像素的差值，Th表示阈值，C3＝0、C3＝128和C3＝255分别代表该像素处于低层次、中层次和高层次。
请见图4，本发明提供了一种基于比较图的融合策略，包括以下步骤：
步骤6，根据焦距不能突变的特点，通过比较像素与检测区域质心的距离，将中层次像素重新分配为低层次像素或高层次像素，获得两级比较图C2；
其中，(xc,yc)表示检测区域质心位置，G表示中层次与检测区域质心的距离，Thr表示阈值。
步骤7，采用中值滤波消除两级比较图C2中的孤立噪声，如式(11)所示：
Cm(x,y)＝Med(C2(x-k,y-l)),(k,l)∈w (11)
其中，Med(·)代表取中值操作，w为滑动窗口。
步骤8，结合两级比较图C2，彩色源图像通过式(12)融合；
Figure BDA0002234530850000072
其中，SA、SB表示源图像A和源图像B，C2表示两级比较图，F表示所得融合图像，例如图“steel”在不同融合方法下的融合图像请见图5。
传统的方法采用固定大小的检测范围，因此不能很好评价图像中灰度有屋脊状或阶跃变化区域的清晰度。检测范围的大小应取决于图像的灰度特性，灰度变化较大的图像边缘区域应使用较小的检测范围，相反平坦区域应使用较大的检测范围，因此本发明将区域的灰度值方差作为调整度量范围的准则。
应当理解的是，本说明书未详细阐述的部分均属于现有技术；上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (9)

1.一种基于WIML比较图的自适应焦点检测多聚焦图像融合方法，其特征在于，包括以下步骤：
步骤1：将彩色源图像A和B均转换为灰度图像；
步骤2：根据步骤1中获得的灰度图像，选择检测范围；
步骤3：获取平坦区域；
步骤4：在平坦区域内包含边缘区域的检测进行焦点检测，获得焦点图像；
步骤5：由焦点图像得到三级比较图C3；
步骤6：由三级比较图C3获得两级比较图C2；
步骤7：消除两级比较图C2中的孤立噪声；
步骤8：结合两级比较图C2，将彩色源图像A和B融合。
2.根据权利要求1所述的基于WIML比较图的自适应焦点检测多聚焦图像融合方法，其特征在于：步骤1中，采用公式(1)将彩色源图像A和B均转换为灰度图像；
Figure FDA0002234530840000011
其中，I表示灰度图像中像素的亮度值，位于[0,255]区间，R、G、B分别表示彩色源图像中红、绿、蓝三基色通道的强度分量，α、β和表示权重系数。
3.根据权利要求1所述的基于WIML比较图的自适应焦点检测多聚焦图像融合方法，其特征在于：步骤2中，在灰度图像中，选取X·Y区域进行灰度值方差估计，X、Y均为奇数，若灰度值方差σ不跟随X·Y区域内M·N检测范围的改变而变化或随M·N检测范围的改变而轻微变化，则表示X·Y区域为平坦区域，否则表示X·Y区域为边缘区域；
像素灰度值方差σ为：
Figure FDA0002234530840000013
其中，M·N表示检测范围，I(i,j)表示点(i,j)的灰度值，
Figure FDA0002234530840000014
表示检测范围内像素的平均灰度值。
4.根据权利要求3所述的基于WIML比较图的自适应焦点检测多聚焦图像融合方法，其特征在于：步骤3中，若X·Y区域为平坦区域，则选择X·Y区域为焦点检测区域；若X·Y区域为边缘区域，则适当缩小X·Y区域后，重新进行步骤2灰度值方差估计，直到X·Y区域缩小为平坦区域后，选择其为焦点检测区域。
5.根据权利要求4所述的基于WIML比较图的自适应焦点检测多聚焦图像融合方法，其特征在于：步骤4中，在X·Y区域内进行焦点检测，选择像素间距step＝1，采用加权新改进拉普拉斯算法WIML计算水平方向、垂直方向、主对角线区域和次对角线区域的改进拉普拉斯算子；
加权新改进拉普拉斯WIML定义为：
其中，IML(x,y)表示点(x,y)的新改进拉普拉斯算子，T表示阈值，定义为：
Figure FDA0002234530840000022
其中，w为像素之间的空间距离权重，Tr和Po分别代表横向梯度和纵向梯度通式，MDL和SDL分别代表主对角线区域和次对角线区域的的梯度通式，具体定义为：
Figure FDA0002234530840000023
Tr＝|2I(x,y)-I(x,y-j)-I(x,y+j)| (5)
Po＝|2I(x,y)-I(x-i,y)-I(x+i,y)| (6)
MDS＝|2I(x,y)-I(x-i,y-j)-I(x+i,y+j)| (7)
SDS＝|2I(x,y)-I(x+i,y-j)-I(x+i,y-j)| (8)
采用加权新改进拉普拉斯算法WIML将灰度图像转换为焦点图像M。
6.根据权利要求5所述的基于WIML比较图的自适应焦点检测多聚焦图像融合方法，其特征在于：步骤5中，由焦点图像M通过式(9)得到三级比较图C3；
其中，
Figure FDA0002234530840000032
分别表示焦点图像MA和MB中(x,y)点的像素值，D表示像素的差值，Th表示阈值，C3＝0、C3＝128和C3＝255分别代表该像素处于低层次、中层次和高层次。
7.根据权利要求5所述的基于WIML比较图的自适应焦点检测多聚焦图像融合方法，其特征在于：步骤6中，根据焦距不能突变的特点，通过比较像素与检测区域质心的距离，将中层次像素重新分配为低层次像素或高层次像素，获得两级比较图C2；
其中，(xc,yc)表示检测区域质心位置，G表示中层次与检测区域质心的距离，Thr表示阈值。
8.根据权利要求5所述的基于WIML比较图的自适应焦点检测多聚焦图像融合方法，其特征在于：步骤7中，采用中值滤波消除两级比较图C2中的孤立噪声，如式(11)所示：
Cm(x,y)＝Med(C2(x-k,y-l)),(k,l)∈w (11)
其中，Med(·)代表取中值操作，w为滑动窗口。
9.根据权利要求5所述的基于WIML比较图的自适应焦点检测多聚焦图像融合方法，其特征在于：步骤8中，结合两级比较图C2，彩色源图像通过式(12)融合；
Figure FDA0002234530840000034
其中，SA、SB表示源图像A和源图像B，C2表示两级比较图，F表示所得融合图像。
CN201910978835.7A 2019-10-15 2019-10-15 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 Active CN110738628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910978835.7A CN110738628B (zh) 2019-10-15 2019-10-15 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910978835.7A CN110738628B (zh) 2019-10-15 2019-10-15 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

Publications (2)

Publication Number Publication Date
CN110738628A true CN110738628A (zh) 2020-01-31
CN110738628B CN110738628B (zh) 2023-09-05

Family

ID=69270044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910978835.7A Active CN110738628B (zh) 2019-10-15 2019-10-15 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

Country Status (1)

Country Link
CN (1) CN110738628B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1402191A (zh) * 2002-09-19 2003-03-12 上海交通大学 基于块分割的多聚焦图像融合方法
US20040017502A1 (en) * 2002-07-25 2004-01-29 Timothy Alderson Method and system for using an image based autofocus algorithm
US20120127297A1 (en) * 2010-11-24 2012-05-24 Baxi Vipul A Digital microscopy with focus grading in zones distinguished for comparable image structures
CN103049893A (zh) * 2011-10-14 2013-04-17 深圳信息职业技术学院 一种图像融合质量评价的方法及装置
JP2014123050A (ja) * 2012-12-21 2014-07-03 Canon Inc 焦点検出装置、焦点検出方法およびプログラム、並びに撮像装置
CN103985108A (zh) * 2014-06-03 2014-08-13 北京航空航天大学 一种利用边界检测和多尺度形态学清晰度度量的多聚焦图像融合方法
CN104616274A (zh) * 2015-02-09 2015-05-13 内蒙古科技大学 一种基于显著性区域提取的多聚焦图像融合算法
CN106454289A (zh) * 2016-11-29 2017-02-22 广东欧珀移动通信有限公司 控制方法、控制装置及电子装置
CN107369148A (zh) * 2017-09-20 2017-11-21 湖北工业大学 基于改进sml与导向滤波的多聚焦图像融合方法
CN107909560A (zh) * 2017-09-22 2018-04-13 洛阳师范学院 一种基于SiR的多聚焦图像融合方法及系统
CN109360235A (zh) * 2018-09-29 2019-02-19 中国航空工业集团公司上海航空测控技术研究所 一种基于光场数据的混合深度估计方法
CN109767414A (zh) * 2019-01-18 2019-05-17 湖北工业大学 一种基于灰度中位数参照的多聚焦图像融合方法
CN109785282A (zh) * 2019-01-22 2019-05-21 厦门大学 一种多聚焦图像融合方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040017502A1 (en) * 2002-07-25 2004-01-29 Timothy Alderson Method and system for using an image based autofocus algorithm
CN1402191A (zh) * 2002-09-19 2003-03-12 上海交通大学 基于块分割的多聚焦图像融合方法
US20120127297A1 (en) * 2010-11-24 2012-05-24 Baxi Vipul A Digital microscopy with focus grading in zones distinguished for comparable image structures
CN103049893A (zh) * 2011-10-14 2013-04-17 深圳信息职业技术学院 一种图像融合质量评价的方法及装置
JP2014123050A (ja) * 2012-12-21 2014-07-03 Canon Inc 焦点検出装置、焦点検出方法およびプログラム、並びに撮像装置
CN103985108A (zh) * 2014-06-03 2014-08-13 北京航空航天大学 一种利用边界检测和多尺度形态学清晰度度量的多聚焦图像融合方法
CN104616274A (zh) * 2015-02-09 2015-05-13 内蒙古科技大学 一种基于显著性区域提取的多聚焦图像融合算法
CN106454289A (zh) * 2016-11-29 2017-02-22 广东欧珀移动通信有限公司 控制方法、控制装置及电子装置
CN107369148A (zh) * 2017-09-20 2017-11-21 湖北工业大学 基于改进sml与导向滤波的多聚焦图像融合方法
CN107909560A (zh) * 2017-09-22 2018-04-13 洛阳师范学院 一种基于SiR的多聚焦图像融合方法及系统
CN109360235A (zh) * 2018-09-29 2019-02-19 中国航空工业集团公司上海航空测控技术研究所 一种基于光场数据的混合深度估计方法
CN109767414A (zh) * 2019-01-18 2019-05-17 湖北工业大学 一种基于灰度中位数参照的多聚焦图像融合方法
CN109785282A (zh) * 2019-01-22 2019-05-21 厦门大学 一种多聚焦图像融合方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
JUANXIU TIAN等: "Multi-focus image fusion based on edges and focused region extraction", pages 1 *
P. W. HUANG等: "Multi-focus Image Fusion Based on Salient Edge Information within Adaptive Focus-Measuring Windows", PROCEEDINGS OF THE 2009 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN, AND CYBERNETICS SAN ANTONIO, TX, USA - OCTOBER 2009 *
孙晓龙等: "基于改进拉普拉斯能量和的快速融合", pages 2 *
贺养慧;: "基于加权聚焦度的多焦点图像融合算法", 兵工自动化, no. 03 *
郭盼等: "多焦点图像融合算法", 科技资讯 *

Also Published As

Publication number Publication date
CN110738628B (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
EP1745436B1 (en) Methods and systems for converting images from low dynamic range to high dynamic range
US7773826B2 (en) Image processing apparatus and image processing method
US7406208B2 (en) Edge enhancement process and system
US9183617B2 (en) Methods, devices, and computer readable mediums for processing a digital picture
CN102693531B (zh) 基于自适应双平台的红外图像增强方法
CN109741356B (zh) 一种亚像素边缘检测方法及系统
JP4795473B2 (ja) 画像処理装置及びその制御方法
US20030086498A1 (en) Apparatus and method of converting frame and/or field rate using adaptive motion compensation
CN105654437A (zh) 一种对低照度图像的增强方法
CN109087254B (zh) 无人机航拍图像雾霾天空和白色区域自适应处理方法
CN106210448B (zh) 一种视频图像抖动消除处理方法
CN111968065B (zh) 一种亮度不均匀图像的自适应增强方法
CN112488955B (zh) 一种基于波长补偿的水下图像复原方法
JP2012249038A (ja) 画像信号処理装置、画像信号処理方法
CN110324617A (zh) 图像处理方法及装置
CN108270945B (zh) 一种运动补偿去噪方法及装置
CN110675332A (zh) 一种金属腐蚀图像质量的增强方法
CN101600062B (zh) 一种基于增强型边沿自适应的场内去隔行方法
CN110738628A (zh) 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
JP2005518689A (ja) ノイズレベルを推定する装置および方法、当該装置を含むノイズリダクションシステムおよび符号化システム
JP2011205714A (ja) 画像処理装置及びその制御方法
JP4039245B2 (ja) 画像の暗領域の空間平滑化方法及び装置
Jeon et al. Fuzzy weighted approach to improve visual quality of edge-based filtering
CN113469980B (zh) 一种基于图像处理的法兰识别方法
Sonawane et al. Image quality assessment techniques: An overview

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