本书分8章,内容包括:边缘保持滤波基本理论、基于交替引导滤波的多聚焦图像融合算法、基于二尺度分解和整体稀疏特征的图像融合算法、基于平滑迭代恢复滤波的多聚焦图像融合算法、基于导向滤波的多聚焦图像融合算法、基于动态引导滤波的多聚焦图像融合算法等。
多聚焦图像融合是一种解决光学成像系统对不同距离目标聚焦范围有限的问题的有效方法,可以有效提高图像信息的利用率,扩大系统工作范围,增强系统可靠性,更加准确的描述场景中的目标信息。目前,该技术广泛应用于医疗、安防、军事等领域。
《基于边缘保持滤波的多聚焦图像融合算法研究》针对现有多聚焦图像像素级融合方法存在的不足,在空间域内对多聚焦图像像素级融合算法进行了深入研究。提出了基于交替引导滤波的多聚焦图像融合算法等创新观点,具有一定的理论创新价值和学术价值。
多聚焦图像融合是一种解决光学成像系统对不同距离目标聚焦范围有限的问题的有效方法,可以有效提高图像信息的利用率,扩大系统工作范围,增强系统可靠性,更加准确地描述场景中的目标信息。目前,该技术被广泛应用于医疗、安防、军事等领域。由于受图像采集设备、采集过程以及图像内容复杂性影响,传统的多聚焦图像像素级融合方法很难对源图像中聚焦区域准确定位,且融合图像质量并不理想。本书针对现有多聚焦图像像素级融合方法存在的不足,在空间域内对多聚焦图像像素级融合算法进行了深入研究。本书主要研究内容如下:
1.提出了基于交替引导滤波(Alternating Guided Filtering,AGF)的多聚焦图像融合算法。针对空域融合方法的“块效应”问题,提出了基于AGF的多聚焦图像融合算法。算法结合AGF所具有的边缘保持优良特性,对多聚焦图像进行分解,并对基础层和细节层的像素邻域扫描来检测源图像的梯度特征,定位源图像中的聚焦区域,有效抑制了“块效应”,提高了融合图像视觉效果。
□.提出了一种基于二尺度分解和整体稀疏特征的多聚焦图像融合算法。该方法基于梯度域导向图像滤波(Gradient Domain Guided Image Filter,GDGIF)将多聚焦图像分解为基础层和细节层,利用鲁棒主成分分析(Robust Principal Component Analysis,RPCA)得到源图像的稀疏成分,通过形态学梯度算子来判定聚焦区域像素。该方法可有效地保留图像边缘和纹理信息,且对噪声具有一定的鲁棒性,性能优于传统融合方法。
3.提出了一种基于平滑迭代恢复(Smooth and Iteratively Restore,SIR)滤波的多聚焦图像融合算法。该算法基于SIR将源图像分解为基础层和细节层,通过比较邻域像素的显著特征值,采用□大值选择方案构造基础层和细节层的融合决策图,根据融合规则将基础层和细节层分别融合,并将融合的基础层和细节层合并得到□后的融合图像。该方法改善了融合图像视觉效果,提升了融合图像质量。
□□章 绪论
1.1 研究的背景和意义
1.□ 多聚焦图像融合的分类
1.3 多聚焦图像像素级融合算法
1.4 聚焦区域检测
1.5 多聚焦图像融合质量评价
1.6 本书主要研究内容
1.7 本书的结构安排
参考文献
第□章 边缘保持滤波基本理论
□.1 引言
□.□ 全局化图像滤波
□.3 局部图像滤波
□.4 边缘保持图像滤波方法性能比较
□.5 本章小结
参考文献
第3章 基于交替引导滤波的多聚焦图像融合算法
3.1 引言
3.□ 交替引导滤波模型
3.3 基于交替引导滤波的多聚焦图像融合算法
3.4 实验结果与分析
3.5 本章小结
参考文献
第4章 基于二尺度分解和整体稀疏特征的图像融合算法
4.1 引言
4.□ 梯度域引导滤波基本模型
4.3 鲁棒主成分分析分解模型
4.4 基于二尺度分解和整体稀疏特征的图像融合算法
4.5 实验结果与分析
4.6 本章小结
参考文献
第5章 基滑迭代恢复滤波的多聚焦图像融合算法
5.1 引言
5.□ 滑迭代恢复滤波模型
5.3 基滑迭代恢复滤波的多聚焦图像融合算法
5.4 实验结果与分析
5.5 本章小结
参考文献
第6章 基于导向滤波的多聚焦图像融合算法
6.1 引言
6.□ 导向滤波模型
6.3 基于导向滤波的融合算法
6.4 实验结果与分析
6.5 本章小结
参考文献
第7章 基于动态引导滤波的多聚焦图像融合算法
7.1 引言
7.□ 动态引导滤波模型
7.3 非负矩阵分解模型
7.4 基于动态引导滤波的融合算法
7.5 实验结果与分析
7.5 本章小结
参考文献
第8章 总结与展望
8.1 本书工作总结
8.□ 本书创新之处
8.3 研究展望
附录