多聚焦图像融合算法研究答辩稿
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
其中，A，B为源图像。基于像素点的融合算法示意图如图2-1所 示。
（2）基于分块的融合算法 该算法能够准确地提取源图像的清晰区域，保留有用信息 ，提高了像素点之间的相关性。其融合示意图如图2-2。
2.变换域多聚焦图像融合（主要介绍小波变换算法） 经小波分解的低频子带包含了图像的主要信息，占整 个图像的大部分能量；高频分量包含了图像在不同尺度、 不同方向上的细节信息。其融合示意图如图2.3所示。
由表中所得仿真数据可知，本章主要研究的基于DWT 分解多聚焦图像融合算法无论在信息熵、空间频率还是清 晰度上都大于平均法及加权平均法，融合效果较为理想， 达到了预期的效果。 结论：经小波变换后所得的融合图像较好地保存了原
始图像中的清晰区域，较单纯的加权平均法取得
了较为满意的效果。
五、致谢
感谢各位老师的教导与指正，祝身 体健康、工作顺利！！
三、主要客观评价性能指标简介
1、信息熵（E）
E pi l og2 pi
i 0
L 1
信息熵用来描述一幅图像所含信息量的大小。一般来说，熵 值越大，图像所含的信息量就多，融合效果就越好。 2、空间频率（SF） SF RF 2 CF 2
其中RF和CF分别代表行频率和列频率，M×N为图像的大小。
(m, n)
二、融合算法分类与概述
算法分类与描述 目前像素级多聚焦图像融合算法主要分为两 类：空间域多聚焦图像融合算法和变换域多聚焦 图像融合算法。 1.空间域多聚焦图像融合算法
（1）基于像素点的融合
该类算法是根据各个源图像中对应位置上每个像素点的灰度 特征值进行融合的。计算公式为：
F (m, n) wA (m, n) LA (m, n) wB (m, n) LB (m, n)
3.主观评价 （1）加权法所得的融合图像均有模糊区域，效果一般。
（2）单层DWT分解所得的融合图像较平均法和加权平均法 较好，但整体效果不够清晰。
（3）二层DWT分解和三层DWT分解所得的融合图像均较 为清晰，三层DWT分解所得图像更胜一筹。 （4）当DWT分解层数大于三层时，随着分解层数的增加， 所得融合图像的效果会有所增强，但效果不明显；同时会 出现重影等不良影响。 4.客观评价（如表4-1）
论文题目:多聚焦图像融合算法研究
指导教师：
班级： 学生： 学号： 日期：2014年6月16日
LOGO
一、研究概述
研究背景与意义 自第有一台具光学镜头相机的出现开始，便 出现了能生成场景中物体信息的图像。由于光学 镜头的景深有限，使得在拍摄时很难获取一幅所 有景物都聚焦清晰的图像。这样，多聚焦图像融 合技术应用而生。 随着科技的进步，多聚焦图像融合技术越来 越多地用于多频谱图像理解、目标识别、机器视 觉及医学图像处理等领域。这一技术定将在现代 医疗、军事侦查、产品防伪及文化艺术方面发挥 愈发重要的作用。
3.清晰度
( M 1)( N 1) 1 g ( M 1)(N 1) 1
(
f ( x, y) 2 f ( x, y) 2 ) ( ) x y 2
图像在人眼中的清晰程度就是清晰度。
来自百度文库
四、实验仿真与主客观评价
1.基于小波变换的低频取平均值、高频取绝对值最大的算法 步骤1 对各源图像进行DWT分解，得到各源图像的低频分 量和高频分量。 步骤2 对各源图像的低频分量取均值、高频分量取绝对值最 大。 步骤3 对以上得到的高低频分量，经过小波逆变换得到最终 融合图像。 2.实验仿真结果
（2）基于分块的融合算法 该算法能够准确地提取源图像的清晰区域，保留有用信息 ，提高了像素点之间的相关性。其融合示意图如图2-2。
2.变换域多聚焦图像融合（主要介绍小波变换算法） 经小波分解的低频子带包含了图像的主要信息，占整 个图像的大部分能量；高频分量包含了图像在不同尺度、 不同方向上的细节信息。其融合示意图如图2.3所示。
由表中所得仿真数据可知，本章主要研究的基于DWT 分解多聚焦图像融合算法无论在信息熵、空间频率还是清 晰度上都大于平均法及加权平均法，融合效果较为理想， 达到了预期的效果。 结论：经小波变换后所得的融合图像较好地保存了原
始图像中的清晰区域，较单纯的加权平均法取得
了较为满意的效果。
五、致谢
感谢各位老师的教导与指正，祝身 体健康、工作顺利！！
三、主要客观评价性能指标简介
1、信息熵（E）
E pi l og2 pi
i 0
L 1
信息熵用来描述一幅图像所含信息量的大小。一般来说，熵 值越大，图像所含的信息量就多，融合效果就越好。 2、空间频率（SF） SF RF 2 CF 2
其中RF和CF分别代表行频率和列频率，M×N为图像的大小。
(m, n)
二、融合算法分类与概述
算法分类与描述 目前像素级多聚焦图像融合算法主要分为两 类：空间域多聚焦图像融合算法和变换域多聚焦 图像融合算法。 1.空间域多聚焦图像融合算法
（1）基于像素点的融合
该类算法是根据各个源图像中对应位置上每个像素点的灰度 特征值进行融合的。计算公式为：
F (m, n) wA (m, n) LA (m, n) wB (m, n) LB (m, n)
3.主观评价 （1）加权法所得的融合图像均有模糊区域，效果一般。
（2）单层DWT分解所得的融合图像较平均法和加权平均法 较好，但整体效果不够清晰。
（3）二层DWT分解和三层DWT分解所得的融合图像均较 为清晰，三层DWT分解所得图像更胜一筹。 （4）当DWT分解层数大于三层时，随着分解层数的增加， 所得融合图像的效果会有所增强，但效果不明显；同时会 出现重影等不良影响。 4.客观评价（如表4-1）
论文题目:多聚焦图像融合算法研究
指导教师：
班级： 学生： 学号： 日期：2014年6月16日
LOGO
一、研究概述
研究背景与意义 自第有一台具光学镜头相机的出现开始，便 出现了能生成场景中物体信息的图像。由于光学 镜头的景深有限，使得在拍摄时很难获取一幅所 有景物都聚焦清晰的图像。这样，多聚焦图像融 合技术应用而生。 随着科技的进步，多聚焦图像融合技术越来 越多地用于多频谱图像理解、目标识别、机器视 觉及医学图像处理等领域。这一技术定将在现代 医疗、军事侦查、产品防伪及文化艺术方面发挥 愈发重要的作用。
3.清晰度
( M 1)( N 1) 1 g ( M 1)(N 1) 1
(
f ( x, y) 2 f ( x, y) 2 ) ( ) x y 2
图像在人眼中的清晰程度就是清晰度。
来自百度文库
四、实验仿真与主客观评价
1.基于小波变换的低频取平均值、高频取绝对值最大的算法 步骤1 对各源图像进行DWT分解，得到各源图像的低频分 量和高频分量。 步骤2 对各源图像的低频分量取均值、高频分量取绝对值最 大。 步骤3 对以上得到的高低频分量，经过小波逆变换得到最终 融合图像。 2.实验仿真结果