申请/专利权人：复旦大学附属华山医院;珠海科域生物工程股份有限公司

申请日：2024-01-24

公开（公告）日：2024-04-19

公开（公告）号：CN117911263A

主分类号：G06T5/50

分类号：G06T5/50;G06T5/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开一种基于CUDA快速导向滤波加速多焦点图像融合的方法，首先，采用了基于区域的改进拉普拉斯能量和SML进行聚焦评价，相较于基于像素的方式具有更好的融合效果。其次，采用CUDA并行加速拉普拉斯金字塔的采样，避免了多层嵌套循环下带来的时间损失。再次，采用了快速导向滤波，提高了采样时导向滤波的速度；并且保留了导向滤波在传递精细梯度值的效果。最后，涉及到图像多层通道的计算，例如，计算SML、拉普拉斯金字塔、高斯金字塔、快速导向滤波等，不需要在外部进行循环计算，采用了CUDA加速OpenCV的内置API完成，由于OpenCV在内部优化了多通道的计算过程，使得最终的计算速度较快；本发明在一些实时任务中，比如显微镜多层扫描，可以得到良好的应用。

主权项：1.一种基于CUDA快速导向滤波加速多焦点图像融合的方法，其特征在于，包括：步骤1：输入同一场景聚焦于不同目标的图像IA和图像IB；步骤2：取出图像IA和图像IB各自的V分量VIA和VIB，分别通过VIA和VIB构建图像IA和图像IB的V分量的拉普拉斯能量和金字塔SMLVPyramidA和SMLVPyramidB；取出图像IA和图像IB各自的S分量SIA和SIB，并分别通过SIA和SIB构建图像IA和图像IB各自基于S分量的拉普拉斯能量和金字塔SMLSPyramidA和SMLSPyramidB；步骤3：取出SMLVPyramidA和SMLSPyramidA的第一层SMLVPyramidA1和SMLSPyramidA1，将二者求和，获得图像IA的初始聚焦决策图SSMLA；取出SMLVPyramidB和SMLSPyramidB的第一层SMLVPyramidB1和SMLSPyramidB1，将二者求和，获得图像IB的初始聚焦决策图SSMLB；步骤4：将步骤3生成的聚焦决策图SSMLA作为输入图，用图像IA的V分量VIA为引导图，进行快速引导滤波得到精细的初始聚焦决策图FSMLA；将步骤3生成的聚焦决策图SSMLB作为输入图，用图像IB的V分量VIB为引导图，进行快速引导滤波得到精细的初始聚焦决策图FSMLB；步骤5：对聚焦决策图FSMLA和FSMLB分别构建高斯金字塔FSMLPyramidA和FSMLPyramidB；步骤6：将高斯金字塔FSMLPyramidA按层和步骤2构建的V分量拉普拉斯能量和金字塔SMLVPyramidA相乘，得到图像IA的融合决策图金字塔DPyramidA；将高斯金字塔FSMLPyramidB按层和步骤2构建的V分量拉普拉斯能量和金字塔SMLVPyramidB相乘，得到图像IB的融合决策图金字塔DPyramidB；并取MAXDPyramidA,DPyramidB，作为最终融合决策图金字塔DPyramid；步骤7：对图像IA和图像IB的原图按通道构建拉普拉斯金字塔LPyramidA和LPyramidB；步骤8：利用步骤6得到的最终融合决策图金字塔DPyramid对步骤7得到的对应的拉普拉斯金字塔进行采样，获得最终拉普拉斯金字塔FLPyramid；步骤9：将步骤8获得的拉普拉斯金字塔FLPyramid进行重建获得多焦点图片融合的结果。

全文数据：

权利要求：

百度查询： 复旦大学附属华山医院;珠海科域生物工程股份有限公司 基于CUDA快速导向滤波加速多焦点图像融合的方法

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