申请/专利权人：重庆邮电大学

申请日：2021-09-17

公开（公告）日：2024-03-19

公开（公告）号：CN113837976B

主分类号：G06T5/50

分类号：G06T5/50;G06T5/70

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.01.11#实质审查的生效;2021.12.24#公开

摘要：本发明公开了一种基于联合多域的多聚焦图像融合方法，涉及数字图像处理、模式识别、深度学习和多成像应用领域。包括：1将多聚焦源图像对转换为灰度图像，通过DCTConv和LBPConv特征提取模块得到高维非线性特征映射；2将高维非线性特征映射输入以1×1为卷积核的FC层，得到每幅图像的聚焦测量映射图，并利用softmax激活函数比较焦点值，生成初始二值决策映射图；3采用条件随机场和形态学方法对初始决策图进行后处理，以降低噪声，使处理更加平滑，得到最终决策图。4根据最终决策图融合源图像对，生成多聚焦融合图像。本发明生成具有更高边缘对比度的图像，并在融合图像的运动区域引入较少的伪影。

主权项：1.基于联合多域的多聚焦图像融合方法，其特征在于，包括以下步骤：1读取若干多聚焦源图像对，并将其转换为灰度图像，再利用DCTConv和LBPConv两个卷积层提取特征，得到高维非线性特征映射，包括DCTConv模块通过卷积实现DCT变换，提取到变换域的图像特征；LBPConv模块通过卷积实现LBP变换，提取到空间域的图像特征；所述DCTConv模块通过卷积实现DCT变换，在DCT核函数系数的基础上，引入固定卷积权值：对于给定的N×N个DCT核，其DCTConv的权重参数定义为： 其中KiT和Kj分别表示DCT核函数第i行和j列系数，p表示DCT系数的阶数，n表示DCTConv的第n个卷积核，计算为n＝1+i+ji+j2+i+1，表示由p阶DCT核函数的系数得到的第n个DCTConv核的权值；采用自适应DCTConv特征提取过程对提取的DCTConv特征进行归一化处理，归一化的步骤为： 其中Ix,y表示填充后的源灰度图像，m与DCT核函数系数的大小一致，Ipx,y表示在变换域上提取DCTConv的特征，表示对DCTConv特征归一化后的特征图；所述LBPConv模块通过卷积实现LBP变换包括，LBPConv模块由一组8个方向的卷积核组成，将8个方向上相邻像素的强度与块内中心像素的强度依次进行比较，卷积强度高的值被赋为正值，反之则赋为负值；然后通过Birelu激活函数进行非线性运算，图像强度生成8个通道的二值特征映射，作为下一层的输入；2连接高维非线性特征映射，输入到以1×1为卷积核的全连接层，生成每幅图像的焦点测量映射图，并利用softmax激活函数比较焦点值，生成初始二值决策映射图；3采用条件随机场和形态学方法对初始二值决策映射图进行后处理，得到最终决策图；4根据最终决策图融合源图像对，生成多聚焦融合图像。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于联合多域的多聚焦图像融合方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD