趙迪迪,季軼群*
(1.蘇州大學(xué) 光電科學(xué)與工程學(xué)院 & 蘇州納米科技協(xié)同創(chuàng)新中心,江蘇 蘇州 215006;2.江蘇省先進(jìn)光學(xué)制造技術(shù)重點(diǎn)實(shí)驗(yàn)室 & 教育部現(xiàn)代光學(xué)技術(shù)重點(diǎn)實(shí)驗(yàn)室,江蘇 蘇州 215006)
對于光學(xué)成像系統(tǒng),由于其景深范圍有限,無法使場景內(nèi)所有目標(biāo)同時清晰成像,需對場景內(nèi)不同區(qū)域分別聚焦成像,通過融合算法,將不同區(qū)域的聚焦圖像融合成一張全視場的清晰光學(xué)圖像,這種算法即多聚焦圖像融合。多聚焦圖像融合方法,對于實(shí)現(xiàn)光學(xué)系統(tǒng)在大視場范圍內(nèi)獲得高分辨率的光學(xué)圖像具有重要意義。
多聚焦圖像的融合算法可分為基于空間域[1-3]和基于變換域[4-6]兩種?;诳臻g域,是在圖像灰度空間上直接對像素點(diǎn)進(jìn)行融合處理,速度較快,但當(dāng)某些區(qū)域噪聲較大或灰度變化平緩時,易產(chǎn)生塊效應(yīng);基于變換域,是先對源圖像進(jìn)行變換,如金字塔變換、小波變換等,然后對變換系數(shù)按一定規(guī)則進(jìn)行融合,得到融合圖像的變換系數(shù),最后通過逆變換得到融合圖像。其中,基于變換域的圖像融合是目前研究的熱點(diǎn),張曉菲等[7]提出基于區(qū)域能量特征的小波變換圖像融合方法, 彌補(bǔ)了傳統(tǒng)的小波變換融合算法中出現(xiàn)的信息熵減小、清晰度降低的現(xiàn)象,但此方法在處理邊緣細(xì)節(jié)時發(fā)現(xiàn),對比度下降、易產(chǎn)生重影。葉明等[8]提出區(qū)域清晰度的小波變換圖像融合算法,可很好地消除傳統(tǒng)空域融合方法存在的塊效應(yīng),但圖像噪聲較大、像質(zhì)下降明顯。
拉普拉斯金字塔變換是Burt和Adelson提出的一種多分辨率、多尺度的圖像融合方法[9],本文基于拉普拉斯金字塔變換提出一種區(qū)域方差和點(diǎn)銳度相結(jié)合的融合算法。對金字塔頂層圖像,即低頻系數(shù),采用區(qū)域方差作為融合度量,進(jìn)行融合;其余各層為高頻系數(shù),采用點(diǎn)銳度作為融合度量,進(jìn)行融合。最后做拉普拉斯金字塔逆變換,得到完整的全視場清晰光學(xué)圖像。
對同一場景不同位置分別聚焦成像得到前景聚焦圖像圖1(a)和后景聚焦圖像圖1(b),作為源圖像A和源圖像B。在前景聚焦圖像中,黑色測試卡刻度清晰,灰色測試卡模糊。后景聚焦圖像中,灰色測試卡刻度清晰,黑色測試卡模糊。
(1)
(2)
(3)
圖1 源圖像Fig.1 Source images
拉普拉斯金字塔分解將兩幅源圖像分別分解到不同頻率層,在不同頻率層采用不同的融合規(guī)則,從而在融合圖像中保留各源圖像在不同頻率層的特征信息。
(4)
式中,LPN為金字塔頂層圖像,即低頻系數(shù)矩陣,μ表示鄰域像素均值,w為加權(quán)矩陣。
當(dāng)0≤l (5) 式中:m,n為所選局部區(qū)域的長和寬,df為灰度變化幅值,dx為像元間距離增量。公式(5)可表示為:對區(qū)域中的每點(diǎn)與其8鄰域像素點(diǎn)做差,對差值取絕對值后求加權(quán)和,最后將所有點(diǎn)所得值相加除以像素總數(shù)。 由于區(qū)域方差和點(diǎn)銳度的數(shù)量級不同,采用式(6)進(jìn)行歸一化處理: (6) 式中:X(i,j)為區(qū)域方差或點(diǎn)銳度值,Xmax和Xmin分別為矩陣X中的最大值和最小值,Y(i,j)為歸一化后的區(qū)域方差或點(diǎn)銳度值。 (7) (8) 本文融合方法流程圖如圖2所示。 圖2 區(qū)域方差和點(diǎn)銳度相結(jié)合的圖像融合方法流程圖Fig.2 Image fusion framework combining regional variance and EAV (9) 圖3 本文方法獲得的融合圖像Fig.3 Proposed method fusion image 對同一場景,分別采用基于絕對值取大的離散小波變換、基于區(qū)域能量特征的小波變換和區(qū)域清晰度的小波變換圖像融合算法進(jìn)行圖像融合,得到如圖4(b)、(c)、(d)所示相應(yīng)的融合圖像。 上述3種方法均實(shí)現(xiàn)了前景聚焦和后景聚焦圖像的融合,保留了源圖像的互補(bǔ)信息。但前兩種方法對比度降低,刻度周圍有重影。第三種方法細(xì)節(jié)信息模糊,圖像噪聲較大,像質(zhì)下降明顯。通過對比,本文采用區(qū)域方差和點(diǎn)銳度相結(jié)合的算法,得到的融合圖像具有細(xì)節(jié)信息豐富,無重影,清晰度高,對比度高等優(yōu)點(diǎn)。 圖4 不同融合方法的性能比較Fig.4 Fusion performance comparison of different methods 表1給出了融合圖像的評價指標(biāo),包括標(biāo)準(zhǔn)差、互信息、邊緣保持度。標(biāo)準(zhǔn)差反映了像素值在其均值上下的波動程度;互信息反映了融合圖像從源圖像中獲得的信息量;邊緣保持度反映了源圖像轉(zhuǎn)移到融合圖像的邊緣信息量。3種評價指標(biāo)的值越大,融合效果越好??梢钥闯霰疚姆椒ǖ玫降娜诤蠄D像評價指標(biāo)均高于其他3種。 表1 不同融合方法的性能指標(biāo)比較Tab.1 Comparison of performance indexes of different methods 針對傳統(tǒng)光學(xué)成像系統(tǒng)景深范圍有限,難以在大視場范圍實(shí)現(xiàn)高分辨率成像的問題。本文提出一種基于區(qū)域方差和點(diǎn)銳度相結(jié)合的拉普拉斯金字塔變換融合算法。首先對多聚焦源圖像進(jìn)行拉普拉斯金字塔變換;然后,對拉普拉斯金字塔的頂層圖像,采用區(qū)域方差考量鄰域像素間的關(guān)聯(lián)性,有效保留圖像的細(xì)節(jié)信息;對其余各層,采用點(diǎn)銳度對像素點(diǎn)周圍的灰度擴(kuò)散程度做統(tǒng)計,提高融合圖像清晰度;最后,通過拉普拉斯金字塔逆變換,得到了噪聲低、邊緣信息豐富的多聚焦融合圖像。進(jìn)一步從標(biāo)準(zhǔn)差、互信息和邊緣保持度等評價函數(shù)對其進(jìn)行定量評價,結(jié)果表明本文提出的融合算法優(yōu)于現(xiàn)有的常用圖像融合方法,標(biāo)準(zhǔn)差、互信息和邊緣保持度分別提高了0.24%、6.8%和8.4%。對光學(xué)成像系統(tǒng)在大視場范圍獲得高分辨率的光學(xué)圖像具有重要意義。4 拉普拉斯金字塔逆變換
5 仿真對比
6 結(jié) 論