基于边缘增强引导滤波的光场全聚焦图像融合

发布时间：2021-08-07 03:32

　　受光场相机微透镜几何标定精度的影响,4D光场在角度方向上的解码误差会造成积分后的重聚焦图像边缘信息损失,从而降低全聚焦图像融合的精度。该文提出一种基于边缘增强引导滤波的光场全聚焦图像融合算法,通过对光场数字重聚焦得到的多幅重聚焦图像进行多尺度分解、特征层决策图引导滤波优化来获得最终全聚焦图像。与传统融合算法相比,该方法对4D光场标定误差带来的边缘信息损失进行了补偿,在重聚焦图像多尺度分解过程中增加了边缘层的提取来实现图像高频信息增强,并建立多尺度图像评价模型实现边缘层引导滤波参数优化,可获得更高质量的光场全聚焦图像。实验结果表明,在不明显降低融合图像与原始图像相似性的前提下,该方法可有效提高全聚焦图像的边缘强度和感知清晰度。 

【文章来源】：电子与信息学报. 2020,42(09)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

Cup图像融合实验结果对比

≈翟酱螅?鼐劢雇?像数目越多，对应到实际场景中的聚焦面越多，融合后的图像越清晰。从融合算法的时间复杂度考虑，在满足目标融合图像清晰度要求的前提下，N的取值应尽量校2.2重聚焦图像引导滤波融合Inr1ε1r2将式(2)得到的重聚焦图像作为传统引导滤波算法框架[11]的待融合图像，采用平均滤波器将多幅重聚焦图像分别分解为基础层和细节层，同时利用拉普拉斯算子计算多幅重聚焦图像的初步融合决策图。将重聚焦图像作为引导图，初步融合决策图作为输入图，通过设定引导滤波的参数,,,图1光场数字重聚焦几何模型2294电子与信息学报第42卷

引导滤波参数记为,，细节层的引导滤波参数记为,。根据文献[11]，基础层、细节层的引导滤波参数设定为：,,,。,的优化原则是：在不降低融合的全聚焦图像与源图像(重聚焦图像)相似性的前提下，使得最终得到的全聚焦图像尽量清晰。本文采用文献[16]对应的光场图像数据集为测试对象来分析,对滤波器融合性能的影响，融合性能指标分别选取平均梯度(AverageGradient,AG)、归一化互信息(NormalizedMutualInformation,NMI)、改进的结构相似性(ModifiedStructuralSimilarityIn-图22D光场原图的解码及积分第9期武迎春等：基于边缘增强引导滤波的光场全聚焦图像融合2295

【参考文献】：
期刊论文
[1]基于小波域清晰度评价的光场全聚焦图像融合[J]. 谢颖贤,武迎春,王玉梅,赵贤凌,王安红.  北京航空航天大学学报. 2019(09)
[2]基于优化字典学习的遥感图像融合方法[J]. 刘帆,裴晓鹏,张静,陈泽华.  电子与信息学报. 2018(12)
[3]基于Hess矩阵的多聚焦图像融合方法[J]. 肖斌,唐翰,徐韵秋,李伟生.  电子与信息学报. 2018(02)



本文编号：3326994