基于人工鱼群优化分块的多聚焦图像融合.pdfVIP

第 27卷第 1期 强 激 光 与 粒 子 束 Vol_27，NO．1 2015年 1月 HIGH POW ER LASER AND PARTICLE BEAM S Jan．，2015 基于人工鱼群优化分块的多聚焦图像融合 费 春 ， 张 萍 ， 李建平 (1．电子科技大学 计算机学院，成都 610054； 2．电子科技大学 光 电信息学 院，成都 610054) 摘 要 ： 在多聚焦 图像 的融合过程 中，对源图像采用 固定大小的分块会导致融合后 的图像存在块效应、 边缘模糊甚至聚焦错误 。为了克服此 问题 ，提 出了一种新 的基于人工鱼群优化分块 的多聚焦 图像融合方法 。 首先，将源图像分解成互不重叠的方块 ，利用聚焦准则选取清晰度高的方块 ，将 已选择 的方块合并重构成初始 融合 图像 。然后 ，利用改进 的人工鱼群优化算法 ，根据一定的适应度值 ，寻找最优大小的分块方式，获得更优 的 融合 图像 。该方法与基于空域、频域及其他优化算法的融合方法进行 了多个实验 比较 ，结果表明，该方法获得 的融合 图像具有较好 的客观质量和主观视觉感觉 。 关键词 ： 多聚焦 ； 人工鱼群优化 ； 图像融合 ； 聚焦准则 ； 适应度值 中图分类号 ： TP319 文献标 志码 ： A doi：10．11884／HPLPB201527．O11012 由于景深问题 ，传统的可见光成像系统无法获得 同一场景 内所有物体都清晰的图像 。多聚焦图像融合技 术可以将 同一场景中聚焦物体不同的多幅图像进行融合 ，获得一幅全景清晰的图像。融合后 的图像利用 了多 幅图像的有用信息 ，对该场景的描述更加全面准确 ，因此该技术在多个领域中发挥了重要作用，如机器视觉 、目 标识别 、医疗诊断、遥感遥测等等 。 目前主要有基于空域和频域的两类多聚焦融合方法。基于空域的经典融合方法有基于方差 、能量梯度 、改 进拉普拉斯和、空间频域等_】]，近年来先进的方法有基于人工神经 网络_2]、脉冲神经网络_2]、独立分量分析口等 融合方法。基于频域 的经典方法有基于拉普拉斯金字塔、梯度金字塔 、离散小波变换、平稳小波变换、双树复小 波变换等的融合方法 ]。近年来 ，学者们将 多尺度变换方法应用于图像融合 中，如 曲波变换[6]、轮廓波变 换 ]、非下采样轮廓波变换[8]等。基于频域变换 的方法没有块效应 ，但是存在平移变性、选择方 向有 限、对噪声 敏感等缺陷，并且计算复杂 ，不利于实时应用。基于空域变换的方法能够克服上述缺陷 ，但是对 于图像的固定 分块会导致块效应 。为了解决固定分块的问题 ，学者们提出了一些基于智能优化技术的图像融合方法 ，如遗传 算法 ]，粒子群算法口。。和差分进化算法口等 。这些方法利用了智能优化计算 的特性 ，自适应地选择分块大小 ， 能够有效抑制块效应。然而，这些方法的效果在很大程度上依赖于智能优化算法 的性能。虽然这些融合方法 都是最近两三年陆续提出的，但是遗传算法 、粒子群算法和差分进化算法均是 2O世纪 9O年代提出的优化算 法 ，在这之后出现了一些新的智能优化算法 ，在收敛速度、寻优精度和计算性能等方面都已超越了它们 。 人工鱼群算法 (AFSA)是李晓磊等人在 2002年提 出的一种基于动物 自治体的优化算法[1，其基本思想是 模仿鱼群在水域 中寻找食物 的行为 ，从而实现全局寻优 。人工鱼群算法具有收敛速度快 、精度高 、对初值和参 数要求不高等优点，能有效解决非线性多维的寻优问题 ，在 图像处理 中也有广泛应用l1引。本文首次将人工鱼 群优化算法用于对多聚焦图像的分块优化 。本文将 图像分块大小作为鱼群中的个体 ，利用鱼群的觅食行为、聚 群行为 、追尾行为和随机行为，根据一定 的适应度值 ，寻找最优大小 的分块方式 ，从而得到好的融合 图像。同 时 ，在基本的人工鱼群优化算法中加入了精英保留策略和变异策略 ，提高寻优 的精度。 1 清晰度测量 对于多聚焦 图像 的融合而言，图像的清晰度判断是至关重要 的。常见的清晰度测量方法有 ：方差、梯度能 量 、空问频率、拉普拉斯能量 、改进拉普拉斯能量和等。Huang等人 已对 比分析 了这些方法 ，指 出改进拉普 拉斯能量和 (SML)在一定程度上能够准确地表征图