基于神经P系统清晰度估计的多聚焦图像融合研究.pdfVIP

基于神经P系统清晰度估计的多聚焦图像融合研究

摘要

在进行图像处理时会遇到部分观测对象未聚焦的情形，为了弥补光学镜头景深的局

限性、增加图像的可利用信息，需要提取同一场景内多幅聚焦位置不同的图像的聚焦区

域，将其融合成一幅全清晰的图像，以便后续的图像处理，此类技术被称作多聚焦图像

融合技术。随着现代信息技术的高速发展，多聚焦图像融合技术在自动驾驶、医学影像、

遥感航天等领域有广阔的应用前景，是图像融合研究的热门子领域。多聚焦图像融合方

法需要提取一组源图像的聚焦区域，而聚焦区域的判定依赖于清晰度估计。神经P系统

这类分布式并行计算模型能控制相邻神经元之间的信息传递，将此特征与图像中相邻像

素之间的灰度变动规律结合后可用于清晰度估计，并且神经P系统的迭代规律扩大了聚

焦区域和模糊区域的清晰度差异，有利于聚焦区域的判定，可获得质量较好的融合图像。

本文基于神经P系统提出了两种多聚焦图像融合方法，主要的创新性工作如下：

（1）提出了一种基于改进动态阈值神经P系统（DynamicThresholdNeuralPSystems，

DTNP）的多聚焦图像融合方法。该方法针对聚焦区域突变点数量多于模糊区域的特征，

将原始DTNP模型改进为以突变点的灰度值影响扩散时间的DT-DTNP系统（Diffusion

Time-DTNP），以扩散时间代表清晰度来融合图像。首先，将两张源图像分别输入

DT-DTNP系统得到两张对应的清晰度图后进行对比，获得初始决策图；然后，经小区

域去除、中值滤波等后处理方法，获得聚焦区域决策图；最后，将两张源图像以聚焦区

LytroMFI-WHU

域决策图为依据进行重构，获得融合结果。实验在公开的和数据集上

DT-DTNP8

对提出的多聚焦融合方法关于个融合性能指标进行了评估，实验结果表现

较好，表明了提出的方法的有效性。

（2）提出了一种基于改进非线性脉冲神经P系统（NonlinearSpikingNeuralP

Systems，NSNP）的多聚焦图像融合方法。该方法针对聚焦区域灰度差值大于模糊区域

的特征，将原始NSNP模型改进为以相邻点的灰度差值影响迭代时间的IT-NSNP系统

（IterationTime-NSNP），以总迭代时间代表清晰度来融合图像。首先，将两张源图像

分别输入IT-NSNP系统得到清晰度图后对比获得初始决策图，然后经小区域去除、中

值滤波等后处理方法获得聚焦区域决策图，最后获得融合结果。实验在公开的Lytro和

MFI-WHU数据集上对提出的IT-NSNP多聚焦融合方法关于8个融合性能指标进行了评

估，实验结果表现较好，表明了提出的方法的有效性。

关键词：多聚焦图像融合；动态阈值神经P系统；非线性神经P系统；清晰度估计

II

西华大学硕士学位论文

Abstract

Inordertocompensateforthelimitationofthedepthoffieldoftheopticallensand

increasetheavailableinformationoftheimage,itisnecessarytoextracttheclearareasof

multipleimageswithdifferentfocusingpositionsinthesamesceneandfusethemintoaclear

imageforsubsequentimageprocessing,whichiscalledmulti-focusimagefusiontechnology.

Withtherapiddevelopmentofmoderninformationscience,mu