1 中国科学技术大学环境科学与光电技术学院，安徽 合肥 230026
2 中国科学院合肥物质科学研究院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
3 合肥学院，安徽 合肥 230601
4 安徽省生态环境监测中心，安徽 合肥 230061
5 安徽大学，安徽 合肥 230601
以鱼腥藻、栅藻和盘星藻为分析对象，通过采集多个焦平面的显微图像，基于拉普拉斯能量与引导滤波以及图像HSV颜色空间饱和度分量分别检测显微图像聚焦区域和失焦区域，研究浮游藻类细胞显微多聚焦图像融合方法，并与小波变换、拉普拉斯金字塔以及脉冲耦合神经网络融合方法进行对比分析。结果表明：鱼腥藻、栅藻和盘星藻融合图像的边缘信息保持度、空间频率、平均梯度分别为0.3529、8.9654、0.0055，0.3778、7.0058、0.0023和0.2940、1.5445、0.0005，均优于对比融合方法，具有更好的边缘信息传递能力及更高的图像清晰度，有效实现了浮游藻类细胞显微多聚焦图像融合，为获取浮游藻类细胞的全景深显微图像提供了思路。
图像处理 浮游藻类细胞 显微 多聚焦图像融合 聚焦区域检测 失焦扩散效应 光学学报
2023, 43(12): 1210001
南京邮电大学自动化学院、人工智能学院，江苏 南京 210023
针对现有基于深度学习的图像融合算法中存在图像特征提取尺度单一、卷积核感受野小、不能有效突出显著特征等问题，提出了一种基于含注意力机制的多尺度空洞卷积网络的多聚焦图像融合算法。首先，构造一种多尺度空洞卷积模块，通过不同的扩张率改变卷积的感受野，从而提取源图像中的多尺度特征。此外，在多尺度空洞卷积模块中引入注意力机制，能自适应地选择显著性特征，进一步提高融合性能。所提融合网络包含特征提取、特征融合和图像重建等3个部分，其中特征提取部分主要由多尺度空洞卷积模块构成。相关实验结果表明，所提算法与现有基于深度学习的算法相比具有一定的竞争力。消融实验也验证了所提多尺度空洞卷积模块能强化网络的特征提取能力，提高图像融合质量。
图像处理 多聚焦图像融合 多尺度 空洞卷积 残差学习 注意力机制 激光与光电子学进展
2023, 60(2): 0210003
兰州交通大学电子与信息工程学院，甘肃 兰州 730070
为了较好地平滑边缘区域，避免边缘衔接处产生伪影，提出了一种基于双尺度分解与随机游走的多聚焦图像融合方法。首先，将源图像利用高斯滤波分解为大尺度与小尺度聚焦图，对分解得到的大尺度和小尺度聚焦图采用不同的引导滤波对其边缘进行平滑；然后，将大尺度与小尺度聚焦图作为随机游走算法的标记节点通过融合算法得到初始决策图，并再次使用引导滤波对决策图进行优化；最后，根据决策图对源图像进行重构，得到最终融合图像。实验结果表明，所提方法较好地获取了源图像中的聚焦信息，更好地保留了聚焦区域的边缘纹理及细节信息，在主观评价和客观评价指标方面均取得了更优的效果。
图像处理 多聚焦图像融合 高斯分解 随机游走 引导滤波 激光与光电子学进展
2022, 59(22): 2210011
1 深圳技术大学中德智能制造学院, 广东 深圳 518118
2 广东省高校先进光学精密制造技术重点实验室, 广东 深圳 518118
3 广东省微纳光机电工程技术重点实验室, 广东 深圳 518118
多聚焦图像融合作为一种有效的信息融合方法,在图像处理和计算机视觉领域引起了越来越多的关注。提出了一种基于离散Walsh-Hadamard变换(DWHT)和引导滤波的多聚焦图像融合算法。首先,提出了一种新的聚焦区域检测方法,该方法运用DWHT并计算L1范数得到初始决策图;然后,运用数学形态学方法和引导滤波优化生成最终决策图;最后,由像素加权平均规则和最终决策图得到融合图像。为验证所提算法的有效性,选择3组研究中普遍使用的多聚焦图像进行实验,并将该算法运用于实际应用中采集到的2组多聚焦序列图像,与其余几种算法相比,所提算法在主观定性分析和客观定量评价指标上均表现出明显的优势。实验结果表明,与其他多聚焦图像融合算法相比,所提算法能更有效地从源图像中提取聚焦区域,增强融合图像的细节保留能力和空间连续性。
图像处理 多聚焦图像融合 离散Walsh-Hadamard变换 引导滤波 聚焦区域检测 激光与光电子学进展
2021, 58(22): 2210003
中北大学信息与通信工程学院信息探测与处理山西省重点实验室, 山西 太原 030051
针对筒状类工件内壁缺陷和形貌特征的检测需求,提出了基于深度学习与机器视觉相结合的筒状类工件内壁全景成像方法。该方法基于变焦距成像,获取筒状类工件内壁多聚焦图像序列,利用基于卷积神经网络的多聚焦图像融合算法,融合不同景深的内壁图像序列,获取全聚焦的内壁全景视图。根据视觉成像的透视变换原理,采用逆映射全景图像,改进了内壁形貌重构方法,获取柱面坐标系下的筒状类工件内壁形貌图像。实验结果表明,提出的形貌重构方法能够有效实现内壁质量的检测,且成像质量较高。
图像处理 筒状类工件 全景视觉 卷积神经网络 多聚焦图像融合 全景图展开 激光与光电子学进展
2020, 57(10): 101002
1 西安建筑科技大学理学院, 陕西 西安 710055
2 空间电子信息技术研究院, 陕西 西安 710100
针对深度学习在计算机视觉上的良好表现，提出一种基于深度学习的多聚焦图像融合算法，在原有的AlexNet网络模型基础上改进了卷积核大小、步长等；利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块；使用矫正矩阵矫正了误判图像块，并细分、修复了融合后的图像聚焦与散焦分界区域，得到了融合图像；选取6组多聚焦图像验证了本文算法的有效性。实验结果表明：与其他算法相比, 运用本文算法进行图像融合，能够保存较多的图像原始高频信息,并在互信息、边缘信息保持度、平均梯度和熵等评价指标上取得了较好的表现。
图像处理 多聚焦图像融合 深度学习网络 矫正矩阵 图像块分类 边界修复 激光与光电子学进展
2018, 55(7): 071015
1 上海交通大学微米/纳米加工技术国家重点实验室，上海 200240
2 上海交通大学纳微能源研究所，上海 200240
3 上海交通大学微纳电子学系，上海 200240
4 云南北方驰宏光电有限公司，云南 昆明 650217
由于红外镜头景深的限制，为获得场景中所有区域都聚焦清晰的图像，提出一种在非下采样轮廓波变换（NSCT）域结合改进的脉冲耦合神经网络（PCNN）的多聚焦红外图像的融合算法。首先通过NSCT 将图像分解为不同尺度和方向的子带；低频子带图像利用基于一致性验证的特征选择规则进行融合；对于高频子带，采用改进的空域频率激励PCNN 模型，选择点火时间最大的系数进行融合；最后通过NSCT 反变换得到融合图像。通过多组同一场景不同聚焦位置下的红外图像融合实验，结果分析表明该算法能从源图像中获得更多的信息，更好地保留源图像的边缘信息，融合效果优于相关算法。
红外图像 多聚焦图像融合 脉冲耦合神经网络 非下采样轮廓波变换 infrared image multi-focus image fusion PCNN NSCT
针对基于传统多尺度分析对图像分解得到的方向子带数量较少, 抑制噪声能力弱, 融合图像边缘连贯性不好的缺点, 本文提出一种基于 Surfacelet变换和复合激励模型的多聚焦图像融合方法。通过分别将两幅图像经 Surfacelet变换后得到若干不同频带子图像, 该方法根据低频子带和高频子带的特点, 建立复合激励模型, 即分别把改进的拉普拉斯能量和与空间频率作为复合型 PCNN的外部激励, 采用复合型 PCNN优选融合系数, 改善融合效果。获取的融合图像的灰度级分布更加分散, 图像纹理连贯, 细节突出。实验结果表明, 该算法克服传统多聚焦图像融合方法的缺陷, 客观评价指标显示本方法优于 Laplace、DWT和 PCA等传统图像融合方法。
复合激励 改进的拉普拉斯能量和 空间频率 多聚焦图像融合 composite incentive Surfacelet Surfacelet improved-sum-modified-Laplacian space frequency multi-focus image fusion
