首页 >> 同轴电缆

基于小波变换的多聚焦图像算法研究多功能机

文章来源:威豪五金网  |  2022-06-29

基于小波变换的多聚焦图像算法研究

基于小波变换的多聚焦图像算法研究 2012年10月08日 近年来,图像融合已经成为图像理解和计算机视觉领域中一项重要而有价值的新技术,图像融合技术的研究目的就是综合不同类型传感器所获取的图像信息,通过对多幅图像间冗余数据的处理提高图像的可靠件、可观察件,通过对多幅图像间互补信息的处理提高图像的效果。基于小波空间频率的多聚焦图像的融合算法,是在小波多分辨率分析的基础上,采用小波变换后的系数去定义待融合图像中的清晰度测量指标。对于明显的清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域。而对于清晰与模糊的边界区域,采用基于像素的窗口空间频率的方法进行融合处理。使多幅图像中各个清晰的区域能同时表现在一幅经过融合处理的图像上,从而解决因光学镜头的景深有限,导致人们在摄影时很难获得一幅所有景物均聚焦清晰的图像的问题。本课题拟采用以下方法:基于像素清晰度的多聚焦图像的融合算法,根据各图像经多尺度分解后的系数求取个图像中像素的清晰度,然后对来自各清晰区域的系数进行组合,并进行一致件效验,最后对组合后的系数进行逆变换得到融合后的图像。1 概述 多聚焦图像:多聚焦图像是指当相机在拍摄某一场景中的两个或两个以上的目标时,分别聚焦到各个目标,通过多次拍摄而成的多幅图像。对于可见光成像系统来讲,聚焦良好的物体,可呈现出清晰的图像,由于成像系统的聚焦范围有限,所以在一幅不同深度的图像中,除聚焦良好的物体外,该物体前后一定距离外的所有目标,都将呈现不同程度的模糊。为了获得场景内所有物体都清晰的图像,可将成像系统先聚焦在一部分对象上,得到一清晰图像,再聚焦另一部分对象上,得到另一清晰的图像,最后将这两幅图像加以融合,得到所有物体都清晰的图像。 多分辨率分析:多分辨率分析又称为多尺度分析,其作用是将信号分解成不同空间的部分,另外,它也提供了一种构造小波的统一框架,还能提供数字信号分解与重构的快速算法。在空间的逐级分解中,每一级分解都不是任意的,而是具有特殊性质,使得分解后的子空间之间具有正交关系。在分解过程中,假设已经分解得到一个子空间,对该子空间进行再分解时,应包含信号的高频细节信息和信号的低频概貌或者平滑部分,且两部分信息要相互正交。 小波变换:小波变换是空间(时间)和频率局部变换,因而能有效地从信号中提取信息。通过伸缩和甲移等运算功能可对函数或信号进行多尺度的细化分析,解决了Fourier变换不能解决的许多困难问题。2 基于小波变换的多聚焦图像融合方法 本课题研究图像数据融合的基本思想是先对多聚焦图像进行二维小波分解;然后在小波变换域内按一定的融合规则进行图像融合,提取重要的小波系数;最后进行小波逆变换得到数据融合之后的图像,如图1所示。

具体步骤如下: (1)根据式(1)计算图像的二维小波变换,设分解层数为J,本课题实验取J=1、2、…、8。 (2)对于不同的频率分量采用不同的融合规则进行融合处理。在高频域,图像小波分解后,高频分量对应于图像的边缘细节,模糊区域的高频分量的绝对值较小,清晰区域的高频分量较大。对待融合图像,选取绝对值较大的高频分量,得到的融合图像的细节比待融合图像更丰富、更清晰。因此本课题研究所采用的高频系数的融合方法是,先比较两幅多聚焦图像小波分解后的对应高频系数的绝对值,然后取其中绝对值较大的值作为融合图像所对应的高频系数,即

在低频域,低频系数的融合方法是取两幅多聚焦图像小波分解后的对应低频系数的平均值,即3 图像融合程序设计3.1程序开发平台 为了便于人眼的视觉观察和方便操作,采用Windows XP系统作为程序开发的平台,且Windows XP具有很强的硬件兼容性、丰富的支持软件和强大的功能。 目前广泛使用的开发工具主要有:VisualC++、Visual Basic、Delphi、Visual Studi0.NET、PowerBuilder、Matlab等。 Matlab是矩阵实验窄(Matrix Laboratory)的简称,它在数学类科技应用软件中在数值计算方面首屈一指。Matlab可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等,主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 Matlab的优点是具有友好的工作平台和编程环境、简单易用的程序语言、强大的科学计算机数据处理能力、出色的图形处理功能、应用广泛的模块集合工具箱、实用的程序接口和发布平台。 由于Matlab较其他开发工具具有上述的优势,所以本课题研究选用Matlab 7.0进行实验。3.2图像融合程序设计 为了实现利用小波变换对多聚焦图像进行图像融合的方法,设计了基于小波变换的多聚焦图像融合的程序流程图。如图2所示。主要分为二维小波分解、融合、小波重构等三个部分。

图2 基于小波变换的多聚焦冈像融合的程序流程图二维小波分解的主要程序如下:zt=3;%小波分解层数为3层wtype=‘haar’;%使用的小波类型为haar[c0,s0]=wavedec2(M1,zt,wtype);%对M1多尺度二维小波分解[c1,s1]=wavedec2(M2,zt,wtype);%对M2多尺度二维小波分解融合的主要程序如下:4 实验与结果分析4.1实验结果 本课题研究采用对低频部分系数取二者平均值,对高频部分系数取绝对值大的小波系数的融合方法。对该方法进行实验,利用MATLAB 7.0编写代码,选用类型为haar的小波对图像分别进行1-8层的小波分解,按本文给出的算法进行融合。图3中(a)和(b)分别为256×256大小的两幅聚焦不同的源图像,图4为采用本文的融合方法在不同分解层数情况下得到的融合图像。4.2结果分析 用MATLAB 7.0编写代码,运行得出效果评价的数撼进行比较。表1为图4中八个图像的务参数折标。

实验结果分析如下: (1)本实验采用的理想H像R是先把融合H像进行二维中值滤波,然后再进行二维适应性去噪滤波,最后进行灰度调整而得到。 (2)融合时选择‘haar’小波分解了1-8层。分解层数越多,融合后的H像能更多地继承两幅源图像中的信息,与理想图像更接近,失真度降低,均方误差减小,峰值信噪比增大,熵增大,图像包含的信息量增多,但到了分解层数取8层时,图像的均方误差有所增大,峰值信噪比减小,清晰度减弱。所以,并不是分解的层数越多越好,结合所得的评价指标结果,分解层数取7层效果较好。

5 结语 本文研究了一种基于小波变换的多聚焦图像融合算法,还介绍了多聚焦H像和小波分析的理论知识。小波分析是。种多分辨率分析,它可以将图像分解成一个低频逼近部分和不同尺度不同方向的高频细节部分,其中低频逼近部分包含图像的平均信息,占整个图像的大部分能量,而不同尺度、不同方向的细节部分包含了不同尺度的高频信息。本课题研究的算法对图像小波分解后的不同频率域分别采用了不同的融合规则,对低频分量选择小波系数时取二者平均值,对高频分量选择小波系数时,基于绝对值最大系数原则选择。该方法与其他图像融合方法相比,它能实现时问域和频率域的步调统一,把频率域进行正交分解,在时间域和频率域上同时具有良好的局部化性质,能够将信号分解成对空问和时问的独立部分,同时又不丢失原信号所包含的信息,并且可以找到正交基,实现无冗余的信号分解。最后,采用主观评价和熵、均方误差和峰值性噪比等客观评价指标来对不同的融合结果进行比较。实验结果表明尢论是依据熵、均方误差和峰值性噪比等客观评价标准,还是视觉主观评价标准,本文所提出的融合方法都是正确可行的。依据图像分解像素点减半的原理,大小为N×N的图像分解次数最大为log2N,但在实际应用中,不可能取那么大,否则子图像像素点太少,会引起严重失真;反之,分解层数太少则无法体现多尺度思想,多数学者认为取3~4层为宜。本文研究的融合方法实验得出最佳的小波分解层数为7层,但其具有一定的融合计算量。

有没有矫正x型腿的鞋子

乳头缩小术多久才能恢复

假体隆乳存在的问题

x型腿手术矫正图

激光祛斑的手术要多少钱