CN115409753B - 图像融合方法、装置、电子设备及计算机可读存储介质 - Google Patents
图像融合方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115409753B CN115409753B CN202211353237.9A CN202211353237A CN115409753B CN 115409753 B CN115409753 B CN 115409753B CN 202211353237 A CN202211353237 A CN 202211353237A CN 115409753 B CN115409753 B CN 115409753B
- Authority
- CN
- China
- Prior art keywords
- image
- fusion
- candidate
- basic
- target area
- 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
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 36
- 230000004927 fusion Effects 0.000 claims abstract description 144
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003384 imaging method Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像融合方法、装置、电子设备及计算机可读存储介质，涉及图像处理技术领域，本发明采用基于倍率加权平均法的图像融合方式，一方面考虑了清晰度要求，使得获得的融合图像较清晰，另一方面倍率加权平均法会使空域变化，因而融合图像的颜色失真较小，并且倍率加权平均法的计算复杂度较低。
Description
技术领域
本发明涉及图像处理技术领域，尤其是涉及一种图像融合方法、装置、电子设备及计算机可读存储介质。
背景技术
多通道图像融合是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理，提取出各信道中所需要的信息，最后综合成一幅新的图像。
图像融合技术有效的综合各个图像的互补信息点，最大限度的得到更加全面和可靠的图像信息，有利于对目标的识别、解释、定位和分析。图像融合技术层次不同，由低到高可分为像素级图像融合、特征级图像融合和决策级图像融合。然而，现有的算法在融合效果上存在诸多问题。如加权平均算法的算法复杂度较小，但效果较差，融合后的图像存在整个区域上的模糊现象；主成分分析方法得到的融合图像存在严重的颜色失真；空间变换方法得到的融合图像，颜色失真较小，但其算法复杂度又较高。
发明内容
本发明的目的在于提供一种图像融合方法、装置、电子设备及计算机可读存储介质，以在颜色失真较小、图像较清晰的同时，降低计算复杂度。
第一方面，本发明实施例提供了一种图像融合方法，包括：
获取基础图像和至少一个候选图像；其中，所述基础图像和每个所述候选图像均划定有待融合的目标区域，每个所述候选图像均预设有清晰度阈值；
对每个所述候选图像进行基础点解析，得到该候选图像的基础点数据；其中，所述基础点数据包括每个基础点的像素值、空间位置和灰度值，正常曝光区域的基础点分布较密集，非正常曝光区域的基础点分布较稀疏；
根据每个所述候选图像的基础点数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据；其中，所述融合参数数据包括分量值和绝对值，所述分量值为该候选图像的目标区域最多容纳的基础点数量，所述绝对值为倍率加权平均处理操作的运行次数；
根据各个所述候选图像对应的融合参数数据和清晰度阈值，对所述基础图像和各个所述候选图像进行目标区域的图像融合，得到融合图像。
进一步地，所述根据每个所述候选图像的基础点数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据的步骤，包括：
根据每个所述候选图像的基础点数据，得到该候选图像的统计数据，所述统计数据包括目标区域的基础点总量和目标区域在整个候选图像中的基础点占比；
根据每个所述候选图像的统计数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据。
进一步地，所述根据各个所述候选图像对应的融合参数数据和清晰度阈值，对所述基础图像和各个所述候选图像进行目标区域的图像融合，得到融合图像的步骤，包括：
根据每个所述候选图像对应的分量值和绝对值，验证倍率加权平均处理后的处理图像是否满足该候选图像对应的清晰度阈值；
将满足清晰度阈值的候选图像筛选出来，作为参考图像；
对所述基础图像和各个所述参考图像进行目标区域的图像融合，得到融合图像。
进一步地，所述对所述基础图像和各个所述参考图像进行目标区域的图像融合，得到融合图像的步骤，包括：
根据每个所述参考图像对应的分量值和绝对值，进行模拟成像还原，得到该参考图像对应的处理图像的基础点数据；
对每个所述参考图像对应的处理图像与该参考图像进行基础点数据的统计对比，得到该参考图像对应的还原指数；
根据各个所述参考图像对应的还原指数，从各个所述参考图像中筛选出目标图像；
对所述基础图像和所述目标图像进行目标区域的图像融合，得到融合图像。
进一步地，所述对所述基础图像和所述目标图像进行目标区域的图像融合，得到融合图像的步骤，包括：
根据所述目标图像对应的处理图像，对所述基础图像进行目标区域的替换，得到融合图像。
第二方面，本发明实施例还提供了一种图像融合装置，包括：
获取模块，用于获取基础图像和至少一个候选图像；其中，所述基础图像和每个所述候选图像均划定有待融合的目标区域，每个所述候选图像均预设有清晰度阈值；
解析模块，用于对该候选图像进行基础点解析，得到该候选图像的基础点数据；其中，所述基础点数据包括每个基础点的像素值、空间位置和灰度值，正常曝光区域的基础点分布较密集，非正常曝光区域的基础点分布较稀疏；
处理模块，用于根据每个所述候选图像的基础点数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据；其中，所述融合参数数据包括分量值和绝对值，所述分量值为该候选图像的目标区域最多容纳的基础点数量，所述绝对值为倍率加权平均处理操作的运行次数；
融合模块，用于根据各个所述候选图像对应的融合参数数据和清晰度阈值，对所述基础图像和各个所述候选图像进行目标区域的图像融合，得到融合图像。
进一步地，所述处理模块具体用于：
根据每个所述候选图像的基础点数据，得到该候选图像的统计数据，所述统计数据包括目标区域的基础点总量和目标区域在整个候选图像中的基础点占比；
根据每个所述候选图像的统计数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据。
进一步地，所述融合模块具体用于：
根据每个所述候选图像对应的分量值和绝对值，验证倍率加权平均处理后的处理图像是否满足该候选图像对应的清晰度阈值；
将满足清晰度阈值的候选图像筛选出来，作为参考图像；
对所述基础图像和各个所述参考图像进行目标区域的图像融合，得到融合图像。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面的图像融合方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行第一方面的图像融合方法。
本发明实施例提供的图像融合方法、装置、电子设备及计算机可读存储介质，在进行图像融合时，先获取基础图像和至少一个候选图像；其中，基础图像和每个候选图像均划定有待融合的目标区域，每个候选图像均预设有清晰度阈值；然后对每个候选图像进行基础点解析，得到该候选图像的基础点数据；再根据每个候选图像的基础点数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据；最后根据各个候选图像对应的融合参数数据和清晰度阈值，对基础图像和各个候选图像进行目标区域的图像融合，得到融合图像。这种基于倍率加权平均法的图像融合方式，一方面考虑了清晰度要求，使得获得的融合图像较清晰，另一方面倍率加权平均法会使空域变化，因而融合图像的颜色失真较小，并且倍率加权平均法的计算复杂度较低。因此，本发明实施例提供的图像融合方法、装置、电子设备及计算机可读存储介质，在颜色失真较小、图像较清晰的同时，降低了计算复杂度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种图像融合方法的流程示意图；
图2为本发明实施例提供的另一种图像融合方法的流程示意图；
图3为本发明实施例提供的一种图像融合装置的结构示意图；
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前现有的图像融合技术无法兼顾颜色失真、图像清晰度和计算复杂度，基于此，本发明实施例提供的一种图像融合方法、装置、电子设备及计算机可读存储介质，对颜色空间上的加权平均算法做了优化，可以用于彩色图像融合，使得融合图像的颜色失真小，图像清晰且计算复杂度低。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种图像融合方法进行详细介绍。
本发明实施例提供了一种图像融合方法，该方法可以由具有图像处理能力的电子设备执行。参见图1所示的一种图像融合方法的流程示意图，该方法主要包括如下步骤S102~步骤S108：
步骤S102，获取基础图像和至少一个候选图像；其中，基础图像和每个候选图像均划定有待融合的目标区域，每个候选图像均预设有清晰度阈值。
当多传感设备拍摄过程受其他环境因素影响时，会造成图源（传感设备拍摄的原始图像）局部的曝光过度和不清晰，可以选择其中一个图源作为基础图像添加到基础通道，通过分割多通道，将拍摄相同部位、具有较好局部的一个或多个图源作为候选图像添加到其他通道中，其中，每个通道为一个工作区，用来处理一个图像。用户可以在每个图像中划出需要融合的目标区域，目标区域可以是一块或多块，同时对候选图像进行基础点解析，使多张局部可用的候选图像进行融合成像。图源可以是航空航天器拍摄的图像，这针对的是更复杂更多传感设备传输的外界环境。
用户可以通过对比各个候选图像的目标区域，确定每个候选图像的清晰度阈值。清晰度阈值可以是一个百分比，可以认为是图像清晰度的评分，清晰度阈值越大，处理完的图像越清晰。清晰度阈值可以根据目标区域的像素点总量和目标区域在整个图像中的像素点占比确定，这里的像素点指后续的基础点。
步骤S104，对每个候选图像进行基础点解析，得到该候选图像的基础点数据；其中，基础点数据包括每个基础点的像素值、空间位置和灰度值。
正常曝光区域的基础点分布较密集，非正常曝光区域的基础点分布较稀疏。其中，灰度值可以基于像素值确定。这里的基础点可以理解为像素点，不过其分布不均匀。
步骤S106，根据每个候选图像的基础点数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据。
其中，融合参数数据包括分量值和绝对值，分量值为该候选图像的目标区域最多容纳的基础点数量，绝对值为倍率加权平均处理操作的运行次数。
由于基础点分布不均匀，因此为了使基础图像中目标区域的基础点平均值达到整个基础图像的基础点平均值，需要在目标区域增加基础点。可以通过改变候选图像中基础点的空间位置和并增加基础点的数量实现，此即本实施例提出的倍率加权平均法。
理论上可以根据目标区域的面积占比乘以候选图像的基础点总量，得到分量值。基础点不能增加过度，每运行一次，加一遍候选图像目标区域的基础点，绝对值加1；若本次运行后，目标区域的基础点数量超过分量值，则可以根据情况舍弃部分像素点或减少一次运行。例如，目标区域的基础点总量为10，分量值为100，那么绝对值为10。
在一些可能的实施例中，上述步骤S106可以通过如下过程实现：根据每个候选图像的基础点数据，得到该候选图像的统计数据，统计数据包括目标区域的基础点总量和目标区域在整个候选图像中的基础点占比；根据每个候选图像的统计数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据。
具体实现时，可以通过如下公式计算得到分量值和绝对值：
其中，D 1 为通过计算获取到的分量值的差，
为图源（候选图像）的像素值，
为目标区域的像素值，D 2 为通过计算获取到的算法在一段时间内运行效率绝对值的差，
为图源的运行效率绝对值， 
为目标区域的运行效率绝对值，H为分量值，S为绝对值。
步骤S108，根据各个候选图像对应的融合参数数据和清晰度阈值，对基础图像和各个候选图像进行目标区域的图像融合，得到融合图像。
可以根据每个候选图像对应的分量值和绝对值，验证倍率加权平均处理后的处理图像是否满足该候选图像对应的清晰度阈值；将满足清晰度阈值的候选图像筛选出来，作为参考图像；对基础图像和各个参考图像进行目标区域的图像融合，得到融合图像。
在一些可能的实施例中，可以采用基于倍率加权平均法使空域变化的图像融合方式，通过倍率加权平均法获取的基础点总量，主要通过图源中的基础点灰度值体现，来达到基础点平均值的求和。这在一定程度上可以提升图像融合的效果，再通过对比图源中目标区域的分量值决定清晰度阈值的大小。本实施例中，为了让融合图像展示更清晰，达到满意的效果，处理过程中添加了倍率计算，让获取的基础点数值在成倍计算中的平均值还能相对于目标区域的分量值更加接近。
基于此，可以直接根据参考图像对应的处理图像，对基础图像进行目标区域的替换，得到融合图像。
在另一些可能的实施例中，可以采用基于倍率统计融合法使空域变化的图像融合方式，该方式主要通过倍率加权平均法得出的分量值、绝对值的结果进行模拟推演验证，倍率统计融合法中，通过模拟的各种参数与源图中的参数做统计对比，让融合的图像展示更清晰，达到满意的效果，获得最终对应的场景图像。
基于此，可以先根据每个参考图像对应的分量值和绝对值，进行模拟成像还原，得到该参考图像对应的处理图像的基础点数据；对每个参考图像对应的处理图像与该参考图像进行基础点数据的统计对比，得到该参考图像对应的还原指数；根据各个参考图像对应的还原指数，从各个参考图像中筛选出目标图像；对基础图像和目标图像进行目标区域的图像融合，得到融合图像。其中，目标图像可以是还原指数大于预设的指数阈值的参考图像，目标图像可以为一个或多个；对基础图像和目标图像进行目标区域的图像融合，得到融合图像的过程，具体可以如下：根据目标图像对应的处理图像，对基础图像进行目标区域的替换，得到融合图像。
上述倍率统计融合法可以通过如下公式实现：
其中，M为模拟图像，
为融合点，SH为模拟成像的还原指数（%）。
需要说明的是，人工可以指定使用某个图源的目标区域，融合到基础图像中。若不指定，后一个图源的目标区域会覆盖前一个图源的目标区域。
本发明实施例提供的图像融合方法，在进行图像融合时，先获取基础图像和至少一个候选图像；其中，基础图像和每个候选图像均划定有待融合的目标区域，每个候选图像均预设有清晰度阈值；然后对每个候选图像进行基础点解析，得到该候选图像的基础点数据；再根据每个候选图像的基础点数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据；最后根据各个候选图像对应的融合参数数据和清晰度阈值，对基础图像和各个候选图像进行目标区域的图像融合，得到融合图像。这种基于倍率加权平均法的图像融合方式，一方面考虑了清晰度要求，使得获得的融合图像较清晰，另一方面倍率加权平均法会使空域变化，因而融合图像的颜色失真较小，并且倍率加权平均法的计算复杂度较低。因此，本发明实施例提供的图像融合方法，在颜色失真较小、图像较清晰的同时，降低了计算复杂度。
为了便于理解，参见图2所示的另一种图像融合方法的流程示意图，该图像融合方法包括如下过程：
1、初始化图源。
即建立与图源大小对应工作区，工作区（技术分割窗口）可见。
2、添加图源。
3、分割窗口，开辟通道1，开辟通道2，并在每个通道中添加图源。
分割窗口即在一个工作区中开辟出多个通道。
4、在每个通道中进行图源像素解析，进行图源融合的倍率加权平均处理，并进行阈值设定。
即对图源进行基础点解析，设定清晰度阈值。
5、验证是否满足阈值。
6、若不满足，则重新进行图源像素解析。
7、若满足，则记录所有图源的阈值、图源信息和融合参数数据。
之后可以直接进行多图源融合，进而成像；也可以执行步骤8，进行推演模拟成像。图源信息即基础点数据。记录、存储融合参数数据，为推演模拟成像做基础参数提供。
8、推演模拟成像。
通过融合参数数据还原多个图源在同一个分割窗口的像素位置与像素分布，推算最合适的同源位置信息，进行初步图像融合，并且产出初步图像。
9、根据模拟成像结果，判断是否进行融合成像。如果是，则进行多图源融合，进而成像；如果否，则结束推演。
本发明实施例提供的图像融合方法，可以计算多通道中产生的多倍图源数据，针对像素级多通道进行图源的解析、清晰度阈值的验证、记录、存储和统计，保证针对像素级变化空域中增强图源融合还原的真实性，避免多通道融合失败、融合异常、融合效果不佳等情况的资源浪费，对融合结果进行推演成像。
本发明实施例提供的图像融合方法：
1. 解决了像素级别图像融合的像素值求和验证，更有效的在多通道处理图源时对求和值进行记录、核验、存储；
2. 在图源色彩度、灰度值都进行中台大数据倍率计算，充分合理的补充图源，再进行多通道图像融合的色彩冲突和颜色局部缺失、模糊不清晰等优化处理；
3. 通过像素级的信息采集存储还可以对，正在进行多通道融合的图像做融合前模拟图像，推演计算融合后的图像是否满足融合后的结果和达到的效果。
对应于上述的图像融合方法，本发明实施例还提供了一种图像融合装置，参见图3所示的一种图像融合装置的结构示意图，该装置包括：
获取模块301，用于获取基础图像和至少一个候选图像；其中，基础图像和每个候选图像均划定有待融合的目标区域，每个候选图像均预设有清晰度阈值；
解析模块302，用于对该候选图像进行基础点解析，得到该候选图像的基础点数据；其中，基础点数据包括每个基础点的像素值、空间位置和灰度值，正常曝光区域的基础点分布较密集，非正常曝光区域的基础点分布较稀疏；
处理模块303，用于根据每个候选图像的基础点数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据；其中，融合参数数据包括分量值和绝对值，分量值为该候选图像的目标区域最多容纳的基础点数量，绝对值为倍率加权平均处理操作的运行次数；
融合模块304，用于根据各个候选图像对应的融合参数数据和清晰度阈值，对基础图像和各个候选图像进行目标区域的图像融合，得到融合图像。
进一步地，上述处理模块303具体用于：
根据每个候选图像的基础点数据，得到该候选图像的统计数据，统计数据包括目标区域的基础点总量和目标区域在整个候选图像中的基础点占比；
根据每个候选图像的统计数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据。
进一步地，上述融合模块304具体用于：
根据每个候选图像对应的分量值和绝对值，验证倍率加权平均处理后的处理图像是否满足该候选图像对应的清晰度阈值；
将满足清晰度阈值的候选图像筛选出来，作为参考图像；
对基础图像和各个参考图像进行目标区域的图像融合，得到融合图像。
进一步地，上述融合模块304还用于：
根据每个参考图像对应的分量值和绝对值，进行模拟成像还原，得到该参考图像对应的处理图像的基础点数据；
对每个参考图像对应的处理图像与该参考图像进行基础点数据的统计对比，得到该参考图像对应的还原指数；
根据各个参考图像对应的还原指数，从各个参考图像中筛选出目标图像；
对基础图像和目标图像进行目标区域的图像融合，得到融合图像。
进一步地，上述融合模块304还用于：
根据目标图像对应的处理图像，对基础图像进行目标区域的替换，得到融合图像。
本实施例所提供的图像融合装置，其实现原理及产生的技术效果和前述图像融合方法实施例相同，为简要描述，图像融合装置实施例部分未提及之处，可参考前述图像融合方法实施例中相应内容。
如图4所示，本发明实施例提供的一种电子设备400，包括：处理器401、存储器402和总线，存储器402存储有可在处理器401上运行的计算机程序，当电子设备400运行时，处理器401与存储器402之间通过总线通信，处理器401执行计算机程序，以实现上述图像融合方法。
具体地，上述存储器402和处理器401能够为通用的存储器和处理器，这里不做具体限定。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行前面方法实施例中所述的图像融合方法。该计算机可读存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，简称ROM）、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
附图中的流程图和框图显示了根据本发明的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种图像融合方法，其特征在于，包括：
获取基础图像和至少一个候选图像；其中，所述基础图像和每个所述候选图像均划定有待融合的目标区域，每个所述候选图像均预设有清晰度阈值；
对每个所述候选图像进行基础点解析，得到该候选图像的基础点数据；其中，所述基础点数据包括每个基础点的像素值、空间位置和灰度值，正常曝光区域的基础点分布较密集，非正常曝光区域的基础点分布较稀疏；
根据每个所述候选图像的基础点数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据；其中，所述融合参数数据包括分量值和绝对值，所述分量值为该候选图像的目标区域最多容纳的基础点数量，所述绝对值为倍率加权平均处理操作的运行次数；
根据各个所述候选图像对应的融合参数数据和清晰度阈值，对所述基础图像和各个所述候选图像进行目标区域的图像融合，得到融合图像；
所述根据各个所述候选图像对应的融合参数数据和清晰度阈值，对所述基础图像和各个所述候选图像进行目标区域的图像融合，得到融合图像的步骤，包括：
根据每个所述候选图像对应的分量值和绝对值，验证倍率加权平均处理后的处理图像是否满足该候选图像对应的清晰度阈值；
将满足清晰度阈值的候选图像筛选出来，作为参考图像；
对所述基础图像和各个所述参考图像进行目标区域的图像融合，得到融合图像；
所述对所述基础图像和各个所述参考图像进行目标区域的图像融合，得到融合图像的步骤，包括：
根据每个所述参考图像对应的分量值和绝对值，进行模拟成像还原，得到该参考图像对应的处理图像的基础点数据；
对每个所述参考图像对应的处理图像与该参考图像进行基础点数据的统计对比，得到该参考图像对应的还原指数；
根据各个所述参考图像对应的还原指数，从各个所述参考图像中筛选出目标图像；
对所述基础图像和所述目标图像进行目标区域的图像融合，得到融合图像；
所述对所述基础图像和所述目标图像进行目标区域的图像融合，得到融合图像的步骤，包括：
根据所述目标图像对应的处理图像，对所述基础图像进行目标区域的替换，得到融合图像。
2.根据权利要求1所述的图像融合方法，其特征在于，所述根据每个所述候选图像的基础点数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据的步骤，包括：
根据每个所述候选图像的基础点数据，得到该候选图像的统计数据，所述统计数据包括目标区域的基础点总量和目标区域在整个候选图像中的基础点占比；
根据每个所述候选图像的统计数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据。
3.一种图像融合装置，其特征在于，包括：
获取模块，用于获取基础图像和至少一个候选图像；其中，所述基础图像和每个所述候选图像均划定有待融合的目标区域，每个所述候选图像均预设有清晰度阈值；
解析模块，用于对该候选图像进行基础点解析，得到该候选图像的基础点数据；其中，所述基础点数据包括每个基础点的像素值、空间位置和灰度值，正常曝光区域的基础点分布较密集，非正常曝光区域的基础点分布较稀疏；
处理模块，用于根据每个所述候选图像的基础点数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据；其中，所述融合参数数据包括分量值和绝对值，所述分量值为该候选图像的目标区域最多容纳的基础点数量，所述绝对值为倍率加权平均处理操作的运行次数；
融合模块，用于根据各个所述候选图像对应的融合参数数据和清晰度阈值，对所述基础图像和各个所述候选图像进行目标区域的图像融合，得到融合图像；
所述融合模块具体用于：
根据每个所述候选图像对应的分量值和绝对值，验证倍率加权平均处理后的处理图像是否满足该候选图像对应的清晰度阈值；
将满足清晰度阈值的候选图像筛选出来，作为参考图像；
对所述基础图像和各个所述参考图像进行目标区域的图像融合，得到融合图像；
所述融合模块还用于：
根据每个所述参考图像对应的分量值和绝对值，进行模拟成像还原，得到该参考图像对应的处理图像的基础点数据；
对每个所述参考图像对应的处理图像与该参考图像进行基础点数据的统计对比，得到该参考图像对应的还原指数；
根据各个所述参考图像对应的还原指数，从各个所述参考图像中筛选出目标图像；
对所述基础图像和所述目标图像进行目标区域的图像融合，得到融合图像；
所述融合模块还用于：
根据所述目标图像对应的处理图像，对所述基础图像进行目标区域的替换，得到融合图像。
4.根据权利要求3所述的图像融合装置，其特征在于，所述处理模块具体用于：
根据每个所述候选图像的基础点数据，得到该候选图像的统计数据，所述统计数据包括目标区域的基础点总量和目标区域在整个候选图像中的基础点占比；
根据每个所述候选图像的统计数据，进行目标区域融合的倍率加权平均处理，得到该候选图像对应的融合参数数据。
5.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1或2所述的图像融合方法。
6.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1或2所述的图像融合方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211353237.9A CN115409753B (zh) | 2022-11-01 | 2022-11-01 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211353237.9A CN115409753B (zh) | 2022-11-01 | 2022-11-01 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115409753A CN115409753A (zh) | 2022-11-29 |
| CN115409753B true CN115409753B (zh) | 2023-02-03 |
Family
ID=84167491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211353237.9A Active CN115409753B (zh) | 2022-11-01 | 2022-11-01 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115409753B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103927729A (zh) * | 2013-01-10 | 2014-07-16 | 清华大学 | 图像处理方法及图像处理装置 |
| CN108416732A (zh) * | 2018-02-02 | 2018-08-17 | 重庆邮电大学 | 一种基于图像配准与多分辨率融合的全景图像拼接方法 |
| CN112150399A (zh) * | 2020-09-27 | 2020-12-29 | 安谋科技（中国）有限公司 | 基于宽动态范围的图像增强方法及电子设备 |
| CN112308808A (zh) * | 2019-07-31 | 2021-02-02 | 北京金山云网络技术有限公司 | 一种图像处理方法、装置及电子设备 |
| CN114820405A (zh) * | 2022-04-20 | 2022-07-29 | 深圳市慧鲤科技有限公司 | 图像融合方法、装置、设备及计算机可读存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10679326B2 (en) * | 2015-11-24 | 2020-06-09 | Canon Kabushiki Kaisha | Image data processing apparatus and image data processing method that determine confidence data indicating a level of confidence in a pixel value in high resolution image data |
| CN107395991B (zh) * | 2017-08-31 | 2020-01-10 | Oppo广东移动通信有限公司 | 图像合成方法、装置、计算机可读存储介质和计算机设备 |
| CN112767295A (zh) * | 2021-01-14 | 2021-05-07 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、存储介质与电子设备 |
-
2022
- 2022-11-01 CN CN202211353237.9A patent/CN115409753B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103927729A (zh) * | 2013-01-10 | 2014-07-16 | 清华大学 | 图像处理方法及图像处理装置 |
| CN108416732A (zh) * | 2018-02-02 | 2018-08-17 | 重庆邮电大学 | 一种基于图像配准与多分辨率融合的全景图像拼接方法 |
| CN112308808A (zh) * | 2019-07-31 | 2021-02-02 | 北京金山云网络技术有限公司 | 一种图像处理方法、装置及电子设备 |
| CN112150399A (zh) * | 2020-09-27 | 2020-12-29 | 安谋科技（中国）有限公司 | 基于宽动态范围的图像增强方法及电子设备 |
| CN114820405A (zh) * | 2022-04-20 | 2022-07-29 | 深圳市慧鲤科技有限公司 | 图像融合方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 基于IHS变换的图像融合方法研究;卢永芳等;《科技通报》;20120615(第06期);全文 * |
| 基于权重的HSI多通道图像融合;李豪等;《淮阴师范学院学报(自然科学版)》;20170915(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115409753A (zh) | 2022-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110188760B (zh) | 一种图像处理模型训练方法、图像处理方法及电子设备 | |
| CN110276767B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| Jakhetiya et al. | A highly efficient blind image quality assessment metric of 3-D synthesized images using outlier detection | |
| CN111292264A (zh) | 一种基于深度学习的图像高动态范围重建方法 | |
| KR101361644B1 (ko) | 영상 처리 장치 및 영상 내의 안개 제거 방법 | |
| JP7362297B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| CN111079764B (zh) | 一种基于深度学习的低照度车牌图像识别方法及装置 | |
| CN109214996B (zh) | 一种图像处理方法及装置 | |
| WO2014070273A1 (en) | Recursive conditional means image denoising | |
| CN110807757A (zh) | 基于人工智能的图像质量评估方法、装置及计算机设备 | |
| CN113039576A (zh) | 图像增强系统和方法 | |
| CN111192241A (zh) | 一种人脸图像的质量评估方法、装置及计算机存储介质 | |
| CN113012061A (zh) | 降噪处理方法、装置及电子设备 | |
| CN110378860B (zh) | 修复视频的方法、装置、计算机设备和存储介质 | |
| Dwivedi et al. | Single image dehazing using extended local dark channel prior | |
| CN116563172B (zh) | 一种vr全球化在线教育互动优化增强方法及装置 | |
| CN112966687B (zh) | 图像分割模型训练方法、装置及通信设备 | |
| CN115409753B (zh) | 图像融合方法、装置、电子设备及计算机可读存储介质 | |
| Hong et al. | Single image dehazing based on pixel-wise transmission estimation with estimated radiance patches | |
| CN112348762A (zh) | 一种基于多尺度融合生成对抗网络的单幅图像去雨方法 | |
| CN113221835B (zh) | 面审视频的场景分类方法、装置、设备及存储介质 | |
| CN117173232A (zh) | 深度图像的获取方法、装置及设备 | |
| CN116612355A (zh) | 人脸伪造识别模型训练方法和装置、人脸识别方法和装置 | |
| Banerjee et al. | Bacterial foraging-fuzzy synergism based image Dehazing | |
| CN114359183A (zh) | 图像质量评估方法及设备、镜头遮挡的确定方法 |
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 |