基于分层模型的图像快速融合方法研究

系统仿真学报 ›› 2016, Vol. 28 ›› Issue (6): 1372-1379.

基于分层模型的图像快速融合方法研究

魏利胜, 张平改

安徽工程大学电气工程学院,芜湖 241000

收稿日期:2015-08-03 修回日期:2015-11-17 出版日期:2016-06-08 发布日期:2020-06-08
作者简介:魏利胜(1978-),男,安徽巢湖,博士后,副教授,研究方向为机器视觉、图像处理、网络控制系统等;张平改(1990-),男,安徽马鞍山,硕士生,研究方向为图像识别与应用、嵌入式仪器仪表及系统等。
基金资助:
国家自然科学基金(61203033),安徽省自然科学基金(1608085MF146),安徽省高校自然科学研究重点项目(KJ2016A062)

Fast Fusion Method for Multi-focus Image Based on Hierarchical Model

Wei Lisheng, Zhang Pinggai

School of Electrical Engineering, Anhui Polytechnic University, Wuhu 241000, China

Received:2015-08-03 Revised:2015-11-17 Online:2016-06-08 Published:2020-06-08

摘要/Abstract

摘要： 针对多聚焦图像融合时间较长、融合效果较差的问题,提出一种分层模型的图像融合方法。首先,根据源图像模糊区域分布情况选取恰当的网格数以得出融合模型,并计算源图像所对应模块的灰度方差值,以决定区域子模块的层次划分,从而得到最佳融合区域;在此基础上,利用加权平均法解决不同模块边缘区域的不连续性,实现多聚焦图像的快速融合。最后,仿真结果验证了所提出方法的有效性与可行性。

关键词: 分层模型, 多聚焦图像, 快速融合, 方差值

Abstract: The issue of hierarchical model for multi-focus image fusion was proposed to improve the visual effect and real-time performance. According to the ambiguous zones of source image, the appropriate grid value was selected and the fusion model was proposed. By using fuzzy logic method and threshold segmentation, the gray variance values of the corresponding block were calculated and the hierarchical classification of sub-block was given to achieve the best fusion zones. Based on these, the weighted mean method was proposed to smooth the discontinuity of different block marginal area. These guaranteed the real-time performance of image fusion. The simulation verifies the feasibility and effectiveness of the proposed theoretical results.

Key words: hierarchical model, multi-focus image, fast fusion, variance values

中图分类号:

TH85+5

魏利胜, 张平改. 基于分层模型的图像快速融合方法研究[J]. 系统仿真学报, 2016, 28(6): 1372-1379.

Wei Lisheng, Zhang Pinggai. Fast Fusion Method for Multi-focus Image Based on Hierarchical Model[J]. Journal of System Simulation, 2016, 28(6): 1372-1379.

参考文献

[1] Malamas E N, Petrakis E G M, Zervakis M, et al. A survey on industrial vision systems, applications and tools[J]. Image and Vision Computing (S0262-8856), 2003, 21(2): 171-188.
[2] Lucchi A, Smith K, Achanta R, et al.Supervoxel-based segmentation of mitochondria in EM image stacks with learned shape features[J]. IEEE Transactions on Medical Imaging (S0278-0062), 2012, 31(2): 474-486.
[3] 杨艳春, 王晓明, 党建武. 基于NSCT与区域点火PCNN的医学图像融合方法[J]. 系统仿真学报, 2014, 26(2): 274-278.
(Yang Y C, Wang X M, Dang J W.Medical Image Fusion Method Based on NSCT and Regional Fire PCNN[J]. Journal of System Simulation (S1004-731X), 2014, 26(2): 274-278.)
[4] 沈伟华, 王盛波, 潘志庚. 基于互信息和图像融合的二维流场可视化[J]. 系统仿真学报, 2015, 27(8): 1796-1800.
(Shen W H, Wang S B, Pan Z G.New 2D Flow Visualization Method Based on Mutual Information and Image Fusion[J]. Journal of System Simulation (S1004-731X), 2015, 27(8): 1796-1800.)
[5] 杨达, 王孝通, 徐冠雷, 等. 利用局部极值点特性的多聚焦图像快速融合[J]. 中国图象图形学报, 2014, 19(1): 11-19.
[6] 蔡志芳, 孙巍. 基于Contourlet变换多聚焦图像融合方法[J]. 数据采集与处理, 2013, 28(6): 755-760.
[7] 彭真明, 景亮, 何艳敏, 等. 基于多尺度稀疏字典的多聚焦图像超分辨融合[J]. 光学精密工程, 2014, 22(1): 169-176.
[8] 高强, 阳武, 李倩. 基于空间信息的DBN图像分类快速训练模型[J]. 系统仿真学报, 2015, 27(3): 549-558.
(Gao Q, Yang W, Li Q.Fast Training Model for Image Classification Based on Spatial Information of Deep Belief Network[J]. Journal of System Simulation (S1004-731X), 2015, 27(3): 549-558.)
[9] 顾勇, 吕英丽, 张晓峰. 基于Directionlet变换的多聚焦图像融合[J]. 电视技术, 2013, 37(11): 51-53.
[10] 陈浩, 王延杰. 基于拉普拉斯金字塔变换的图像融合算法研究[J]. 激光与红外, 2009, 39(4): 439-442.
[11] 任风华, 符强, 纪元法. 基于NSCT与自适应PCNN的多聚焦图像融合方法[J]. 计算机测量与控制, 2013, 21(8): 2206-2237.
[12] 马军红. 基于多小波变换的区域方差图像融合方法[J]. 光电子技术, 2012, 32(2): 99-104.
[13] 汪晓波, 刘斌. 基于多分辨奇异值分解的多聚焦图像融合[J]. 量子电子学报, 2014, 31(3): 257-263.
[14] Li H, Chai Y, Li Z.Multi-focus image fusion based on nonsub-sampled contourlet transform and focused regions detection[J]. International Journal for Light and Electron Optics (S0030-4026), 2013, 124(1): 40-51.
[15] 李佳, 盛业华, 张卡. 基于未标定普通相机的全景图像拼接方法[J]. 系统仿真学报, 2013, 25(9): 2070-2074.
(Li J, Sheng Y H, Zhang K.Panoramic Stitching Method Based on Uncalibrated Ordinary Camera[J]. Journal of System Simulation (S1004-731X), 2013, 25(9): 2070-2074.)
[16] 朱四荣, 王迎春. 基于多小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2010, 46(6): 169-171.
[17] 范艳玲, 杨明. 基于双树复小波变换的多聚焦图像融合[J]. 核电子学与探测技术, 2014, 34(2): 204-207.
[18] 刘羽, 汪增福. 结合小波变换和自适应分块的多聚焦图像快速融合[J]. 中国图象图形学报, 2013, 18(11): 1435-1444.
[19] 李积英, 党建武. 基于量子蚁群算法的图像分割[J]. 系统仿真学报, 2014, 26(4): 926-930.
(Li J Y, Dang J W.Image Segmentation Based on Quantum Ant Colony Algorithm[J]. Journal of System Simulation (S1004-731X), 2014, 26(4): 926-930.)
[20] 黄颖, 解梅, 李伟生, 等. 使用代数多重网格进行多聚焦图像融合[J]. 电子科技大学学报, 2015, 44(2): 272-277.
[21] Seales W B, Dutta S.Everywhere-in-focus image fusion using controllable cameras[J]. Proceeding of SPIE (S0277-786X), 1996, 29(5): 227-234.
[22] Zhang Z, Blum R S.A categorization of multiscale- decomposition-based image fusion schemes with a performance study for digital camera application[J]. Proceeding of IEEE (S1077-2618), 1999, 87(8): 1315-1326.
[23] 高超. 图像融合评价方法的研究[J]. 电子测试, 2011, 7: 30-33.