(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210953758.1 (22)申请日 2022.08.10 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 (72)发明人 宋江鲁奇 　梅峻溪　周慧鑫　李欢　 张鑫　滕翔　王财顺　刘志宇　 白宇婷　杨庆友　秦翰林　王珂　 朱贺隆　甘长国　张伟鹏　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 专利代理师 段俊涛 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/46(2022.01) G06T 5/30(2006.01) (54)发明名称 一种基于各向异性引导滤波的多聚焦图像 融合方法 (57)摘要 本发明涉及一种基于各向异性引导滤波的 多聚焦图像融合方法。 该发明首先对源图像提取 显著性特征， 针对传统特征提取方法中易引入噪 声的缺陷， 采用基于差异性引导框架的显著性特 征提取方法， 然后针对融合权重构造过程中聚焦 区域连续性差的问题， 联合梯度特征与强度方差 算子对图像进行复合聚焦度测量， 得到粗融合权 重图， 再采用形态学滤波与各向异性引导滤波对 其进行优化 以使聚焦区域边界与散焦区域边界 对齐， 得到最终融合权重图， 最后进行多聚焦图 像融合。 权利要求书2页 说明书7页 附图4页 CN 115424102 A 2022.12.02 CN 115424102 A 1.一种基于各向异性引导滤波的多聚焦图像融合方法， 其特 征在于， 包括如下步骤： 步骤1， 利用不同图像作引导图， 分别对两个源图像进行基于权重优化的各向异性引导 滤波(AGF)处 理， 得到每 个源图像的初次滤波结果和二次滤波结果； 步骤2， 分别对每个源图像的初次滤波结果和二 次滤波结果做差分运算， 得到每个源图 像的显著性特 征图； 步骤3， 通过复合聚焦度测量算子对两个所述显著性特征图进行处理， 得到粗融合权重 图； 步骤4， 通过形态学滤波与各向异性引导滤波操作对粗融合权重图进行优化， 得到优化 权重图； 步骤5， 利用优化权 重图对所述两个源图像进行计算， 得到融合图像。 2.如权利要求1所述基于各向异性引导滤波的多聚焦图像融合方法， 其特征在于： 所述 步骤1中， 利用各向异 性引导滤波结果与引导图强相关的特性， 采用基于差异 性引导框架的 显著性特 征提取方法来提取图像的显著性特 征， 减少人为引入的噪声， 具体包括如下步骤， 步骤1.1， 分别用源图像自身作为引导 图， 对两个源图像进行各向异性引导滤波处理， 得到初次滤波结果， 表示 为： F1,1＝Gr, ε, α(I1,I1) F2,1＝Gr, ε, α(I2,I2) 式中， I1表示源图像1， F1,1表示源图像1的初次滤波结果， I2表示源图像2， F2,1表示源图 像2的初次滤波结果， Gr, ε, α(·)表示各向异性引导滤波函数， r, ε, α 为引导滤波调谐参数； 步骤1.2， 利用初次滤波结果作为引导图， 再次分别对两个源图像进行各向异性引导滤 波处理， 得到二次滤波结果， 表示 为： F1,2＝Gr, ε, α(I1,F1,1) F2,2＝Gr, ε, α(I2,F2,1) 式中， F1,2表示源图像1的二次滤波结果， F2,2表示源图像2的二次滤波结果。 3.如权利要求1所述基于各向异性引导滤波的多聚焦图像融合方法， 其特征在于： 所述 步骤2中， 显著性特 征图的计算表示 为： D1＝F1,2‑F1,1 D2＝F2,2‑F2,1 式中， D1表示源图像1的显著性特 征图， D2表示源图像2的显著性特 征图。 4.如权利要求1所述基于各向异性引导滤波的多聚焦图像融合方法， 其特征在于： 所述 步骤3中， 引入强度方差与梯度特征滤波器共同构成一个复合聚焦度测量算子， 对聚焦区域 进行初步检测， 得到粗融合权 重图， 具体包括如下步骤： 步骤3.1， 引入梯度特 征滤波器对图像聚焦度进行测量， 表示 为： 式中， w是像素(x,y)的邻域， p是输入图像， (pi,pj,pk)分别表示水平、 垂直和对角线上 的梯度特 征； 步骤3.2， 引入图像的强度方差描述图像局部区域的清晰度， 表示 为：权　利　要　求　书 1/2 页 2 CN 115424102 A 2式中， μ表示输入图像p在位于像素(x,y)处大小为M ×N的局部领域内的均值； i、 j分别 表示在计算 强度方差时， (x,y)在水平、 垂 直方向的偏移量， M、 N分别表 示用于计算强度方差 的滤波窗口 的水平维度、 垂直维度； 步骤3.3， 引入复合聚焦度测量 算子获取粗融合权 重图， 表示 为： 式中， G1(x,y)表示源图像1的图像聚焦度测量结果中的(x,y)处的像素点， G2(x,y)表示 源图像2的图像聚焦度测 量结果中的(x,y)处的像素点， IV1(x,y)表示源图像1的局部区域 清晰度描述结果中的(x,y)处的像素点， IV2(x,y)表示源图像2的局部区域清晰度描述结果 中的(x,y)处的像素点。 5.如权利要求1所述基于各向异性引导滤波的多聚焦图像融合方法， 其特征在于： 所述 步骤3.1， 窗口半径设为3 。 6.如权利要求1所述基于各向异性引导滤波的多聚焦图像融合方法， 其特征在于： 所述 步骤4中， 采用形态学滤波对粗融合权重图的凸起、 间隙、 空洞进 行去除以实现优化， 具体包 括如下步骤， 步骤4.1， 使用形态学开 运算对粗融合权 重图的凸起、 毛刺等进行去除， 表示 为： 其中Rm是形态学开运算的结果， R表示粗融合权重图， Θ和 分表表示腐蚀与膨胀， C代 表运算结构单 元； 步骤4.2， 使用形态学闭运 算填充空洞、 弥合间隙， 表示 为： 其中Rn是形态学闭运 算的结果； 步骤4.3， 使用各向异性引导滤波对Rn进行滤波， 将聚焦区域与散焦区域的边界进行平 滑并将剩余空洞滤除， 得到优化权 重图， 表示 为： O＝Gr, γ, α(Rn,I1) 其中I1即源图像1， 是 该步骤中引导滤波处 理的引导图。 7.如权利要求1所述基于各向异性引导滤波的多聚焦图像融合方法， 其特征在于： 所述 步骤5中， 计算公式如下： IF(x,y)＝O(x,y)I1(x,y)+[1 ‑O(x,y)]I2(x,y) 其中， I1(x,y)和I2(x,y)表示源图像中(x,y)处的像素点， O(x,y)表示优化权重图中(x, y)处的像素点， IF(x,y)为最终融合图像中(x,y)处的像素点。 8.如权利要求1所述基于各向异性引导滤波的多聚焦图像融合方法， 其特征在于： 所述 两个源图像分别为近聚焦图像与远聚焦图像。权　利　要　求　书 2/2 页 3 CN 115424102 A 3