CN116847209B - 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统 - Google Patents
一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统 Download PDFInfo
- Publication number
- CN116847209B CN116847209B CN202311092987.XA CN202311092987A CN116847209B CN 116847209 B CN116847209 B CN 116847209B CN 202311092987 A CN202311092987 A CN 202311092987A CN 116847209 B CN116847209 B CN 116847209B
- Authority
- CN
- China
- Prior art keywords
- image
- light field
- images
- fusion
- wavelet
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000004927 fusion Effects 0.000 claims abstract description 70
- 238000005516 engineering process Methods 0.000 claims abstract description 29
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 9
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/95—Computational photography systems, e.g. light-field imaging systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/95—Computational photography systems, e.g. light-field imaging systems
- H04N23/957—Light-field or plenoptic cameras or camera modules
-
- 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
- G06T2207/10052—Images from lightfield camera
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于Log‑Gabor与小波的光场全聚焦影像生成方法及系统,主要包括:利用光场重聚焦技术获取光场影像的重聚焦影像;基于清晰区域检测方法将所述重聚焦影像进行分组,获得影像组;基于Log‑Gabor滤波对所述影像组中的影像进行区域能量计算,得到初步融合影像;利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像,通过利用光场重聚焦技术进行融合,融合结果既取了空域融合的清晰区域又避免了多次使用小波融合造成的影像模糊,以及采用分组方法,避免了多幅影像空域融合时产生的错误判断,以初步融合产生的两张影像进行小波融合极大可能的减少了小波融合会造成的图像模糊情况。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统。
背景技术
一幅全聚焦影像可以获得多幅局部聚焦影像的细节信息,具有更加丰富的信息。光场相机的空间分辨率和角度分辨率相互制约,使其成像的分辨率不高。与传统相机曝光后固定聚焦区域不同,光场相机可以在单次曝光后计算空间任意深度的重聚焦影像,利用获取的重聚焦影像进行影像融合可以一定程度上解决分辨率不高的问题并且对于后期的图像处理具有重要意义。
现有中,采用全聚焦图像生成大多使用两幅或者三幅影像进行融合,缺少多幅影像融合的技术以及使用的小波变换对于多幅影像融合精度低。
发明内容
本发明提供一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统,用以解决现有技术中融合精度低的缺陷,实现获取清晰区域,避免了多次使用小波融合造成的影像模糊,以及避免了多幅影像空域融合时产生的错误判断,取错区域的情况,同时减少了小波融合会造成的图像模糊情况。
本发明提供一种基于Log-Gabor与小波的光场全聚焦影像生成方法,包括:
利用光场重聚焦技术获取光场影像的重聚焦影像;
基于清晰区域检测方法将所述重聚焦影像进行分组,获得影像组;
基于Log-Gabor滤波对所述影像组中的影像进行区域能量计算,得到初步融合影像;
利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像。
在一种可能的实施方式中,所述重聚焦影像进行分组,包括:
获取重聚焦影像中的感兴趣区域位置;
根据感兴趣区域位置,获得其他影像上相应于感兴趣区域位置的评价值;
基于多个评价值,进行重聚焦影像分组。
在一种可能的实施方式中,所述获得影像组,包括:
设定感应区域的大小,通过遍历影像区域,得到每张重聚焦影像清晰影像区域。
在一种可能的实施方式中,所述获得影像组,包括:
所述清晰影像组包括前景清晰影像组与后景清晰影像组。
在一种可能的实施方式中,所述通过遍历影像区域,得到每张重聚焦影像清晰影像区域,包括:
通过对焦值函数获得图像评价值,其采用Tenengrad梯度方法,利用Sobel算子分别计算水平和垂直方向的梯度。
在一种可能的实施方式中,所述利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像,包括:
利用小波变换技术,分别构建高频子图像和低频子图像;
采用对应区域的Log-Gabor能量取大的方法对所述低频子图像进行融合;
采用区域特性量测的方法对所述高频子图像进行融合。
本发明还提供一种基于Log-Gabor与小波的光场全聚焦影像生成系统,包括:
重聚焦影像模块,利用光场重聚焦技术获取光场影像的重聚焦影像;
分组模块,基于清晰区域检测方法将所述重聚焦影像进行分组,获得影像组;
初步融合影像模块,基于Log-Gabor滤波对所述影像组中的影像进行区域能量计算,得到初步融合影像;
再次融合模块,利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述一种基于Log-Gabor与小波的光场全聚焦影像生成方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于Log-Gabor与小波的光场全聚焦影像生成方法的步骤。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述一种基于Log-Gabor与小波的光场全聚焦影像生成方法的步骤。
本发明提供的一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统,通过结合空域和变化域进行图像融合,利用光场重聚焦技术进行融合,融合结果既取了空域融合的清晰区域又避免了多次使用小波融合造成的影像模糊,以及设计了分组方法,避免了多幅影像空域融合时产生的错误判断,取错区域的情况,以初步融合产生的两张影像进行小波融合极大可能的减少了小波融合会造成的图像模糊情况。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明提供的基于Log-Gabor与小波的光场全聚焦影像生成方法的流程示意图之一;
图2是本发明提供的基于Log-Gabor与小波的光场全聚焦影像生成方法的流程示意图之二;
图3是本发明提供的光场的二平面表示的结构示意图;
图4是本发明提供的重聚焦原理的结构示意图;
图5是本发明提供的基于Log-Gabor与小波的光场全聚焦影像生成系统的结构示意图;
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中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作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。
下面结合图1-图4描述本发明的一种基于Log-Gabor与小波的光场全聚焦影像生成方法。
S1、利用光场重聚焦技术获取光场影像的重聚焦影像。
如图3所示,L(u,v,x,y)表示光场的一个采样,其中L为光线强度,(u,v)和(x,y)分别为光线与两个平面交点的坐标,四维坐标空间中,一条光线对应光场的一个采样,其像面(x,y)处的光强可表示为:
如图4所示,光场重聚焦公式可以表示为:
式中,为重聚焦图像的深度;
为主透镜平面与微透镜阵列平面之间的距离;
为重调焦后主镜头平面与聚焦平面之间的距离;
通过对取不同的值,可获得不同深度的重聚焦影像。
S2、基于清晰区域检测方法将重聚焦影像进行分组,获得影像组。
根据每张重聚焦影像的清晰区域检测方法将重聚焦影像分为前景清晰和后景清晰的影像组。
进一步,最清晰区域是用图像评价函数所得的值中最大的感兴趣区域。
进一步,计算每张重聚焦影像的最清晰区域,具体包括:
设定感兴趣区域的大小,通过遍历影像区域,得到每张重聚焦影像最清晰区域。
进一步,感兴趣区域是图像评价函数所得的值中最大的区域,也就是最清晰区域,其可设定为100*100或75*75等。
进一步,遍历影像区域是将图像从上到下、从左到右按照感兴趣区域大小遍历一遍,找到每张重聚焦图像中的最清晰区域。
进一步,本申请中图像评价函数可采用对焦值函数,具体的,采用Tenengrad梯度方法,利用Sobel算子分别计算水平和垂直方向的梯度,同一场景下梯度值越高,图像越清晰,其清晰区域评价值可以表示为:
式中,是每张影像的感兴趣区域;
I’是sobel算子处理后的结果。
是清晰区域的评价值;
是灰度值取平均函数。
进一步,重聚焦影像进行分组具体包括:
获取重聚焦影像中的感兴趣区域位置;
根据感兴趣区域位置,获得其他影像上相应于感兴趣区域位置的评价值;
基于多个评价值,进行重聚焦影像分组。
具体的,以一张重聚焦影像P为例,P上的兴趣区域位置为p',取其他影像上p'位置,计算其p'位置评价值,获取N个评价值。
获取N个评价值中最大值和最小值,并用最大值减去最小值,得到一个差值,记作a,对其余影像重复上述操作,从而得到M个a值,获取M个a值中最大值(最大差值),将最大值区域作为清晰区域,以此清晰区域对应的图像为基准图像,以该基准将其他区域差值进行排序,其中,将与最大值a接近的一半分为一组(也就是接近a的二分之一值的差值为一组),剩余的分为一组。
S3、基于Log-Gabor滤波对影像组中的影像进行区域能量计算,得到初步融合影像。
进一步,通过逐像素的方法,以一个像素为中心的周围一部分区域为一个部分(例如5*5、7*7)也就是上一步中的一个分组;将这部分(分组)进行Log-Gabor滤波,滤波后各方向的能量记为Ei,这里i=1、2、3、4共有四个方向;对每一张影像进行上述操作,取能量最大的方向的中心像素作为融合像素,最后得到一张清晰影像。
进一步,Log-Gabor滤波器具有多方向多尺度的特点,它没有直流分量,带宽不受限制且传递函数在高频端有一个延长的尾巴,能更加真实地反映自然纹理图像的频率响应,比其它的边缘提取方法更有优势,其Log-Gabor滤波器表示为:
式中,LG表示二维Log-Gabor滤波器;
表示极坐标;
和/>分别表示滤波在尺度S下的中心频率和o的方向角;
和/>表示径向和切向带宽;
e表示为常数。
进一步,设一副影像为p(x,y),则滤波后的影像为:
局部聚焦影像通常在聚焦清晰区域高频信息丰富,非聚焦的模糊区域高频信息匮乏,定义一个以像素周围一小区域内各方向滤出的高频信息的变量,来表征聚焦程度等特征,其表达公式为:
式中,G是滤波后的高频信息;
i是方向;
是各方向能量。
进一步,取E最大区域中心像素作为融合图像的像素,得到前景清晰和后景清晰的两张初始融合影像。
进一步,E为最大的值(最大能量值)。
S4、利用小波变换技术,基于融合规则对初步融合影像再次融合,得到全聚焦的光场影像。
小波融合属于变换域的融合,可以有效消除空域融合出现的块效应,可理解为将待融合图像分解到一系列频率信道中,利用其分解后的塔形结构构建高、低频子图像,分别对高、低频子图像进行融合后经小波反变换得到全聚焦图像。
具体的,采用的Haar小波融合技术中的离散小波变换,其中,1>分解低通滤波器:[ 1,1]/sqrt(2),分解高通滤波器;[-1 ,1]/sqrt(2)
2>将低通滤波器与图像行方向做卷积,再下采样,再与图像列方向做卷积,在下采样得到LL子图像,是图像的近似表示;在行方向利用低通小波滤波器卷积后,下采样,再用高通小波滤波器在列方向卷积,下采样得到HL子图像,表示图像的水平方向奇异特性;
在行方向利用高通小波滤波器卷积后,下采样,再用低通小波滤波器在列方向卷积,下采样得到LH子图像,表示图像的垂直方向奇异特性;由两个方向利用高通小波滤波器卷积后得到的HH子图像,表示图像的对角边缘特性,其中,LL子图像系数为低频子图像,HL、LH、HH都为高频子图像。
进一步,对低频子图像采用对应区域的Log-Gabor能量取大的方法和对高频子图像采用区域特性量测的融合方法。
进一步,区域特性量测不仅考虑了当前融合所用像素而且考虑了参与融合像素的局部区域,其表达公式为:
其中,x为输入图像,y为输入图像的平方;
M为两幅图像对应局部区域的匹配度;
w为所使用的权值系数;
n和m是一个滑动自然数,以-(权值系数的行数-1)/2为起始,以+(权值系数的行数-1)/2为终;
i和j是输入图片的像素索引,i是行索引,j是列索引;
D为图像相应分解层上对应局部区域的能量。
进一步,权值系数是通过下述公式获得:
进一步,由于局域能量较大的中心像素代表了原始图像中的明显特征,但是图像的局部特征一般不只取决于某一像素,因此在计算两幅影像的匹配度M时,设定阈值,则可以获得更加清晰的融合图像。
当两幅影像的匹配度M值大于所设定的阈值T时,则说明了两幅影像在这个局部区域内是能量接近的,所以不能单单选用一张图像中心像素作为融合的像素,需要考虑到融合像素周围的像素,所以出现这个权值系数来对两个两幅图像的中心像素进行一个加权融合。
进一步,设置权值系数Wmin,即为((M-T)/(1-T))/2,获得一个计算出的匹配度相对于在设定阈值情况下完全匹配的占比,1/2的系数是因为有两张图,是小于等于1/2的,所以Wmax就由1-Wmin得到。
进一步,当令T=0.75;Wmin=(1-(1-M)/(1-T))/2;Wmax=1-Wmin;判断M是否大于T,若M小于T,则说明两幅图像对应局部区域能量差距大,那么就直接选取区域能量较大(D较大)的高频系数;若M大于T,则说明两幅图像对应局部区域能量比较接近,那么就采用加权的融合算法。
进一步,加权算法为:
本申请通过结合空域和变化域进行图像融合,利用光场重聚焦技术生成10张影像,将这10张影像进行融合,融合结果既取了空域融合的清晰区域又避免了多次使用小波融合造成的影像模糊;利用分组的方法,避免了多幅影像空域融合时产生的错误判断,取错区域的情况,以利用初步融合产生的两张影像进行小波融合极大可能的减少了小波融合会造成的图像模糊情况。
下面对本发明提供的一种基于Log-Gabor与小波的光场全聚焦影像生成系统进行描述,下文描述的一种基于Log-Gabor与小波的光场全聚焦影像生成系统与上文描述的一种基于Log-Gabor与小波的光场全聚焦影像生成方法可相互对应参照。
图5描述本发明的一种基于Log-Gabor与小波的光场全聚焦影像生成系统,包括:
重聚焦影像模块,利用光场重聚焦技术获取光场影像的重聚焦影像;
分组模块,基于清晰区域检测方法将所述重聚焦影像进行分组,获得影像组;
初步融合影像模块,基于Log-Gabor滤波对所述影像组中的影像进行区域能量计算,得到初步融合影像;
再次融合模块,利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像。
在一种可能的实施方式中,所述重聚焦影像进行分组,包括:
获取重聚焦影像中的感兴趣区域位置;
根据感兴趣区域位置,获得其他影像上相应于感兴趣区域位置的评价值;
基于多个评价值,进行重聚焦影像分组。
在一种可能的实施方式中,所述获得影像组,包括:
设定感应区域的大小,通过遍历影像区域,得到每张重聚焦影像清晰影像区域。
在一种可能的实施方式中,所述获得影像组,包括:
所述清晰影像组包括前景清晰影像组与后景清晰影像组。
在一种可能的实施方式中,所述通过遍历影像区域,得到每张重聚焦影像清晰影像区域,包括:
通过对焦值函数获得图像评价值,其采用Tenengrad梯度方法,利用Sobel算子分别计算水平和垂直方向的梯度。
在一种可能的实施方式中,所述利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像,包括:
利用小波变换技术,分别构建高频子图像和低频子图像;
采用对应区域的Log-Gabor能量取大的方法对所述低频子图像进行融合;
采用区域特性量测的方法对所述高频子图像进行融合。
图6示例了一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行基于Log-Gabor与小波的光场全聚焦影像生成方法,该方法包括:利用光场重聚焦技术获取光场影像的重聚焦影像;基于清晰区域检测方法将所述重聚焦影像进行分组,获得影像组;基于Log-Gabor滤波对所述影像组中的影像进行区域能量计算,得到初步融合影像;利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的基于Log-Gabor与小波的光场全聚焦影像生成方法,该方法包括:利用光场重聚焦技术获取光场影像的重聚焦影像;基于清晰区域检测方法将所述重聚焦影像进行分组,获得影像组;基于Log-Gabor滤波对所述影像组中的影像进行区域能量计算,得到初步融合影像;利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的基于Log-Gabor与小波的光场全聚焦影像生成方法,该方法包括:利用光场重聚焦技术获取光场影像的重聚焦影像;基于清晰区域检测方法将所述重聚焦影像进行分组,获得影像组;基于Log-Gabor滤波对所述影像组中的影像进行区域能量计算,得到初步融合影像;利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像。
以上所描述的系统实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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精神和范围。
Claims (9)
1.一种基于Log-Gabor与小波的光场全聚焦影像生成方法,其特征在于,包括:
利用光场重聚焦技术获取光场影像的重聚焦影像;基于清晰区域检测方法将所述重聚焦影像进行分组,获得影像组;基于Log-Gabor滤波对所述影像组中的影像进行区域能量计算,得到初步融合影像;利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像。
2.根据权利要求1所述的基于Log-Gabor与小波的光场全聚焦影像生成方法,其特征在于,所述重聚焦影像进行分组,包括:获取重聚焦影像中的感兴趣区域位置;根据感兴趣区域位置,获得其他影像上相应于感兴趣区域位置的评价值;基于多个评价值,进行重聚焦影像分组。
3.根据权利要求1所述的基于Log-Gabor与小波的光场全聚焦影像生成方法,其特征在于,所述获得影像组,包括:设定感应区域的大小,通过遍历影像区域,得到每张重聚焦影像清晰影像区域。
4.根据权利要求3所述的基于Log-Gabor与小波的光场全聚焦影像生成方法,其特征在于,所述获得影像组,包括:所述影像组包括前景清晰影像组与后景清晰影像组。
5.根据权利要求3所述的基于Log-Gabor与小波的光场全聚焦影像生成方法,其特征在于,所述通过遍历影像区域,得到每张重聚焦影像清晰影像区域,包括:通过对焦值函数获得图像评价值,其采用Tenengrad梯度方法,利用Sobel算子分别计算水平和垂直方向的梯度。
6.根据权利要求1所述的基于Log-Gabor与小波的光场全聚焦影像生成方法,其特征在于,所述利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像,包括:利用小波变换技术,分别构建高频子图像和低频子图像;采用对应区域的Log-Gabor能量取大的方法对所述低频子图像进行融合;采用区域特性量测的方法对所述高频子图像进行融合。
7.一种基于Log-Gabor与小波的光场全聚焦影像生成系统,其特征在于,包括:
重聚焦影像模块,利用光场重聚焦技术获取光场影像的重聚焦影像;分组模块,基于清晰区域检测方法将所述重聚焦影像进行分组,获得影像组;初步融合影像模块,基于Log-Gabor滤波对所述影像组中的影像进行区域能量计算,得到初步融合影像;再次融合模块,利用小波变换技术,基于融合规则对所述初步融合影像再次融合,得到全聚焦的光场影像。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并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程序时实现如权利要求1至6任一项所述基于Log-Gabor与小波的光场全聚焦影像生成方法的步骤。
9.一种非暂态计算机可读存储介质,其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执行时实现如权利要求1至6任一项所述基于Log-Gabor与小波的光场全聚焦影像生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311092987.XA CN116847209B (zh) | 2023-08-29 | 2023-08-29 | 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311092987.XA CN116847209B (zh) | 2023-08-29 | 2023-08-29 | 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116847209A CN116847209A (zh) | 2023-10-03 |
CN116847209B true CN116847209B (zh) | 2023-11-03 |
Family
ID=88163764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311092987.XA Active CN116847209B (zh) | 2023-08-29 | 2023-08-29 | 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116847209B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117372274A (zh) * | 2023-10-31 | 2024-01-09 | 珠海横琴圣澳云智科技有限公司 | 扫描图像重聚焦方法、装置、电子设备和存储介质 |
CN117253054B (zh) * | 2023-11-20 | 2024-02-06 | 浙江优众新材料科技有限公司 | 一种光场显著性检测方法及其相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006017233A1 (en) * | 2004-07-12 | 2006-02-16 | Lehigh University | Image fusion methods and apparatus |
CN102842120A (zh) * | 2012-08-22 | 2012-12-26 | 哈尔滨工业大学 | 基于超复数小波相位测量的图像模糊程度检测方法 |
CN105184808A (zh) * | 2015-10-13 | 2015-12-23 | 中国科学院计算技术研究所 | 一种光场图像前后景自动分割方法 |
CN105335950A (zh) * | 2014-05-28 | 2016-02-17 | 华为技术有限公司 | 图像处理方法和图像处理装置 |
CN109447930A (zh) * | 2018-10-26 | 2019-03-08 | 太原科技大学 | 小波域光场全聚焦图像生成算法 |
CN112785539A (zh) * | 2021-01-30 | 2021-05-11 | 西安电子科技大学 | 基于图像自适应分解及参数自适应的多聚焦图像融合方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9047666B2 (en) * | 2013-03-12 | 2015-06-02 | Futurewei Technologies, Inc. | Image registration and focus stacking on mobile platforms |
-
2023
- 2023-08-29 CN CN202311092987.XA patent/CN116847209B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006017233A1 (en) * | 2004-07-12 | 2006-02-16 | Lehigh University | Image fusion methods and apparatus |
CN102842120A (zh) * | 2012-08-22 | 2012-12-26 | 哈尔滨工业大学 | 基于超复数小波相位测量的图像模糊程度检测方法 |
CN105335950A (zh) * | 2014-05-28 | 2016-02-17 | 华为技术有限公司 | 图像处理方法和图像处理装置 |
CN105184808A (zh) * | 2015-10-13 | 2015-12-23 | 中国科学院计算技术研究所 | 一种光场图像前后景自动分割方法 |
CN109447930A (zh) * | 2018-10-26 | 2019-03-08 | 太原科技大学 | 小波域光场全聚焦图像生成算法 |
CN112785539A (zh) * | 2021-01-30 | 2021-05-11 | 西安电子科技大学 | 基于图像自适应分解及参数自适应的多聚焦图像融合方法 |
Non-Patent Citations (2)
Title |
---|
一种DE搜索块寻优的多聚焦图像融合算法;马文娟;姬天富;;连云港职业技术学院学报(02);全文 * |
马文娟 ; 姬天富 ; .一种DE搜索块寻优的多聚焦图像融合算法.连云港职业技术学院学报.2012,(02),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116847209A (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116847209B (zh) | 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统 | |
Liu et al. | Wavelet-based dual-branch network for image demoiréing | |
Lai et al. | Multi-scale visual attention deep convolutional neural network for multi-focus image fusion | |
CN108376392B (zh) | 一种基于卷积神经网络的图像运动模糊去除方法 | |
CN111353948B (zh) | 一种图像降噪方法、装置及设备 | |
CN110599400B (zh) | 一种基于epi的光场图像超分辨的方法 | |
CN111091503B (zh) | 基于深度学习的图像去失焦模糊方法 | |
CN109447930B (zh) | 小波域光场全聚焦图像生成算法 | |
CN109118544B (zh) | 基于透视变换的合成孔径成像方法 | |
Jeon et al. | Fully digital auto-focusing system with automatic focusing region selection and point spread function estimation | |
CN107135388A (zh) | 一种光场图像的深度提取方法 | |
CN111899295B (zh) | 一种基于深度学习的单目场景深度预测方法 | |
CN112419191B (zh) | 基于卷积神经网络的图像运动模糊去除方法 | |
CN111709904B (zh) | 一种图像融合方法及装置 | |
CN112686829B (zh) | 基于角度信息的4d光场全聚焦图像获取方法 | |
CN112651469A (zh) | 一种红外与可见光图像融合方法及系统 | |
WO2014083574A2 (en) | A method and system for extended depth of field calculation for microscopic images | |
CN112651911A (zh) | 一种基于偏振图像的高动态范围成像生成方法 | |
CN111353982B (zh) | 一种深度相机图像序列筛选方法及装置 | |
Xue | Blind image deblurring: a review | |
CN104754316A (zh) | 一种3d成像方法、装置及成像系统 | |
CN107392986A (zh) | 一种基于高斯金字塔和各向异性滤波的图像景深渲染方法 | |
Jung et al. | Multispectral fusion of rgb and nir images using weighted least squares and convolution neural networks | |
CN104504667B (zh) | 图像处理方法及装置 | |
CN111951159B (zh) | 一种强噪声条件下光场epi图像超分辨率的处理方法 |
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 |