張雷

基于引導(dǎo)濾波的數(shù)字圖像自動(dòng)聚焦融合方法研究

張雷

（安徽新聞出版職業(yè)學(xué)院 機(jī)電信息系，合肥 230601）

[1]：為了提高遠(yuǎn)程物探遙感數(shù)字圖像的自動(dòng)聚焦檢測(cè)能力，提出基于引導(dǎo)濾波的數(shù)字圖像自動(dòng)聚焦融合方法。建立遠(yuǎn)程物探遙感數(shù)字圖像濾波檢測(cè)模型，在信息增強(qiáng)技術(shù)下進(jìn)行數(shù)字圖像的特征匹配，建立遠(yuǎn)程物探遙感數(shù)字圖像三維重建模型，構(gòu)建可見(jiàn)光數(shù)字圖像的模糊特征檢測(cè)算法，通過(guò)遠(yuǎn)程物探遙感特征匹配，進(jìn)行數(shù)字圖像RGB分解，獲得遠(yuǎn)程物探遙感下數(shù)字圖像的空間匹配函數(shù)，在視覺(jué)分布模型下，進(jìn)行遠(yuǎn)程物探遙感信息融合，結(jié)合空間視覺(jué)信息增強(qiáng)的方法，進(jìn)行數(shù)字圖像的融合濾波檢測(cè)，通過(guò)引導(dǎo)濾波方法，進(jìn)行數(shù)字圖像自動(dòng)聚焦融合處理，提高圖像的輸出信噪比。仿真結(jié)果表明，采用該方法進(jìn)行高遠(yuǎn)程物探遙感數(shù)字圖像聚焦融合的輸出質(zhì)量較好，圖像輸出信噪比較高，自動(dòng)匹配性能較好，提高了高遠(yuǎn)程物探遙感數(shù)字圖像識(shí)別和聚焦成像質(zhì)量。

引導(dǎo)濾波；數(shù)字圖像；自動(dòng)聚焦；融合

隨著數(shù)字圖像處理技術(shù)的發(fā)展，對(duì)遠(yuǎn)程物探遙感數(shù)字圖像分析和重建模型，結(jié)合視覺(jué)信息跟蹤識(shí)別的方法，進(jìn)行遠(yuǎn)程物探遙感數(shù)字圖像跟蹤檢測(cè)和識(shí)別，通過(guò)自動(dòng)聚焦處理，提高遠(yuǎn)程物探遙感數(shù)字圖像的成像質(zhì)量水平，在進(jìn)行遠(yuǎn)程物探遙感數(shù)字圖像成像過(guò)程中，結(jié)合數(shù)字圖像的三維信息特征，通過(guò)濾波檢測(cè)方法，進(jìn)行遠(yuǎn)程物探遙感數(shù)字圖像處理[1]，通過(guò)虛擬信息化重建，采用遠(yuǎn)程物探遙感數(shù)字圖像分解和測(cè)試技術(shù)，進(jìn)行遠(yuǎn)程物探遙感數(shù)字圖像自動(dòng)聚焦融合，提高數(shù)字圖像的成像質(zhì)量，相關(guān)的圖像自動(dòng)聚焦融合方法研究受到人們的極大關(guān)注[2]。

對(duì)數(shù)字圖像的自動(dòng)聚焦融合方法是建立在對(duì)數(shù)字圖像的融合處理基礎(chǔ)上，進(jìn)行圖像濾波檢測(cè)，提高數(shù)字圖像的自動(dòng)聚焦融合能力，傳統(tǒng)方法中，數(shù)字圖像的自動(dòng)聚焦融合方法主要有模糊特征匹配方法、相空間組合的融合濾波檢測(cè)方法和空間特征匹配方法等，建立數(shù)字圖像的自動(dòng)聚焦的特征匹配模型，結(jié)合信息融合和圖像多尺度分解，進(jìn)行數(shù)字圖像的自動(dòng)聚焦，但傳統(tǒng)方法進(jìn)行數(shù)字圖像的自動(dòng)聚焦融合的自適應(yīng)不好[3-5]，特別是對(duì)遠(yuǎn)程物探遙感數(shù)字圖像檢測(cè)識(shí)別的準(zhǔn)確性不好。針對(duì)上述問(wèn)題，本文提出基于引導(dǎo)濾波的數(shù)字圖像自動(dòng)聚焦融合方法，首先建立遠(yuǎn)程物探遙感數(shù)字圖像濾波檢測(cè)模型，通過(guò)遠(yuǎn)程物探遙感特征匹配，進(jìn)行數(shù)字圖像RGB分解，獲得遠(yuǎn)程物探遙感下數(shù)字圖像的空間匹配函數(shù)，在視覺(jué)分布模型下，進(jìn)行遠(yuǎn)程物探遙感信息融合，結(jié)合空間視覺(jué)信息增強(qiáng)的方法，進(jìn)行數(shù)字圖像的融合濾波檢測(cè)，然后通過(guò)引導(dǎo)濾波方法，進(jìn)行數(shù)字圖像自動(dòng)聚焦融合處理，最后進(jìn)行仿真實(shí)驗(yàn)，展示本文方法在提高數(shù)字圖像自動(dòng)聚焦融合能力方面的優(yōu)越性能。

1 數(shù)字圖像濾波檢測(cè)和特征匹配

1.1 數(shù)字圖像濾波檢測(cè)

圖1 數(shù)字圖像自動(dòng)聚焦融合路線框圖

分析圖1可知，本文通過(guò)提取數(shù)字圖像濾波，然后對(duì)圖像特征進(jìn)行比配，通過(guò)像素特征重構(gòu)獲得圖像邊緣尺度函數(shù)，經(jīng)過(guò)計(jì)算后通過(guò)去除圖像雜波，經(jīng)過(guò)引導(dǎo)濾波檢測(cè)后實(shí)現(xiàn)了數(shù)字圖像聚焦自動(dòng)融合。

1.2 數(shù)字圖像的特征匹配

根據(jù)稀疏先驗(yàn)視覺(jué)特征提取方法，建立遠(yuǎn)程物探遙感數(shù)字圖像的特征分割模型，在信息增強(qiáng)技術(shù)下進(jìn)行數(shù)字圖像的特征匹配[11]，建立遠(yuǎn)程物探遙感數(shù)字圖像三維重建模型，得到遠(yuǎn)程物探遙感數(shù)字圖像的灰度像素為

2 圖像自動(dòng)聚焦融合

2.1 圖像引導(dǎo)濾波

2.2 圖像自動(dòng)聚焦融合輸出

結(jié)合空間視覺(jué)信息增強(qiáng)的方法，進(jìn)行數(shù)字圖像的融合濾波檢測(cè)[15]，通過(guò)引導(dǎo)濾波方法，得到圖像檢測(cè)的自適應(yīng)匹配函數(shù)。在數(shù)字圖像像素簇的形狀分布區(qū)域，通過(guò)形狀特征匹配，得到數(shù)字圖像自動(dòng)聚焦融合的分塊函數(shù)為

圖2 圖像自動(dòng)聚焦融合流程圖

3 仿真實(shí)驗(yàn)

3.1 實(shí)驗(yàn)參數(shù)

為了驗(yàn)證本文方法在實(shí)現(xiàn)數(shù)字圖像自動(dòng)聚焦融合的應(yīng)用性能，進(jìn)行實(shí)驗(yàn)測(cè)試分析。相關(guān)參數(shù)如表1所示。

表1 實(shí)驗(yàn)數(shù)據(jù)

根據(jù)上述參數(shù)設(shè)定，取兩組圖像進(jìn)行實(shí)驗(yàn)。

3.2 融合聚焦結(jié)果對(duì)比

采用裝有MATLAB R2018b軟件的PC機(jī)完成數(shù)字圖像聚焦融合方法的仿真實(shí)驗(yàn)。仿真實(shí)驗(yàn)PC機(jī)的電腦配置為：2.42 GHz的Intel（R）Pentium CPU，電腦的內(nèi)存RAM為4.00 GB，PC機(jī)的操作系統(tǒng)為Windows 8.1的64位系統(tǒng)。本文實(shí)驗(yàn)數(shù)據(jù)集選取VITO Vision數(shù)據(jù)庫(kù)（http://www.vito-eodata.be/PDF/portal/Application.html#Home），得到融合聚焦結(jié)果及對(duì)比如圖3和圖4所示。

圖3 SAR圖像自動(dòng)聚焦融合結(jié)果

圖4 GIS圖像自動(dòng)聚焦融合結(jié)果

分析上述仿真結(jié)果得知，本文方法能有效實(shí)現(xiàn)遠(yuǎn)程物探遙感數(shù)字圖像自動(dòng)聚焦融合，提高了數(shù)字成像的質(zhì)量。

3.3 輸出信噪比對(duì)比

對(duì)比輸出信噪比，得到結(jié)果如表2所示。

表2 信噪比對(duì)比測(cè)試 dB

分析表2得知，當(dāng)?shù)螖?shù)為50次時(shí)，BP方法的信噪比為12.33dB，小波方法的信噪比為23.36dB，本文方法的信噪比為32.12 dB。當(dāng)?shù)螖?shù)為200次時(shí)，BP方法的信噪比為21.15 dB，小波方法的信噪比為42.12 dB，本文方法的信噪比為54.34 dB。綜合分析可知，本文方法進(jìn)行遠(yuǎn)程物探遙感數(shù)字圖像聚焦融合的輸出信噪比較高，說(shuō)明成像質(zhì)量較好。

3.4 圖像直方圖對(duì)比

為了進(jìn)一步驗(yàn)證本文方法的圖像聚焦融合效果，獲得不同方法處理后的圖像直方圖，得到結(jié)果如圖5所示。

圖5 不同方法下圖像直方圖

分析圖5可知，經(jīng)過(guò)不同方法對(duì)圖片進(jìn)行處理，得到四種方法的圖像直方圖，分析圖3可知，原圖亮度較低，明暗度差；經(jīng)過(guò)小波分析方法處理后，圖像的亮度明顯提升，但是亮度過(guò)亮；經(jīng)過(guò)BP濾波方法處理后，圖像亮度過(guò)于集中，圖像的處理效果不好；而經(jīng)過(guò)本文方法處理后，圖像直方圖分布較為均勻，說(shuō)明本文方法的圖像處理效果最好，既不過(guò)亮，又不過(guò)暗。

4 結(jié)束語(yǔ)

結(jié)合數(shù)字圖像的三維信息特征，通過(guò)濾波檢測(cè)方法，進(jìn)行遠(yuǎn)程物探遙感數(shù)字圖像處理，本文提出基于引導(dǎo)濾波的數(shù)字圖像自動(dòng)聚焦融合方法，在信息增強(qiáng)技術(shù)下進(jìn)行數(shù)字圖像的特征匹配，建立遠(yuǎn)程物探遙感數(shù)字圖像的特征分割模型，在信息增強(qiáng)技術(shù)下進(jìn)行數(shù)字圖像的特征匹配，獲得遠(yuǎn)程物探遙感下數(shù)字圖像的空間匹配函數(shù)，在數(shù)字圖像像素簇的形狀分布區(qū)域，通過(guò)形狀特征匹配，在多尺度輸入圖像中，得到遠(yuǎn)程物探遙感數(shù)字圖像聚焦融合模型，實(shí)現(xiàn)數(shù)字圖像的自動(dòng)聚焦融合。分析得知，本文方法進(jìn)行遠(yuǎn)程數(shù)字圖像自動(dòng)聚焦融合的質(zhì)量較好，圖像成像質(zhì)量較高，輸出信噪比較高。

[1] 趙坤，史學(xué)舜，劉長(zhǎng)明，等. 用于探測(cè)器中紅外絕對(duì)光譜響應(yīng)度測(cè)量的激光源[J]. 紅外與激光工程，2016, 45(7): 74-80

[2] 朱路，劉江鋒，劉媛媛，等. 基于稀疏采樣與級(jí)聯(lián)字典的微波輻射圖像重構(gòu)方法[J]. 微波學(xué)報(bào)，2014, 30(6): 41-45

[3] 劉棟，周冬明，聶仁燦，等. NSCT域內(nèi)結(jié)合相位一致性激勵(lì)PCNN的多聚焦圖像融合[J]. 計(jì)算機(jī)應(yīng)用, 2018, 38(10): 3006-3012

[4] Lim B, Son S, Kim H, et al. Enhanced deep residual networks for single image super-resolution[C]//CVPRW 2017: Proceedings of the 2017 IEEE conference on computer vision and pattern recognition workshops. Washington, DC: IEEE Computer Society, 2017: 1132-1140

[5] Lei Y. Multi-focus image fusion method based on NSST and ⅡCM[C]//Proceedings of the 2017 International Conference on Emerging Internetworking, Data and Web Technologies. Berlin: Springer, 2017: 679-689

[6] Lei Y. Technique for image de-noising based on non-subsampled shearlet transform and improved intuitionistic fuzzy entropy[J]. Optik International Journal for Light and Electron Optics, 2015, 126(4): 446-453

[7] 劉春燕，鄒承明. 基于Storm的城市智能交通規(guī)劃方法[J]. 武漢大學(xué)學(xué)報(bào)：理學(xué)版，2019, 65(05): 450-456

[8] 陳超. 多閾值優(yōu)化的運(yùn)動(dòng)圖像輪廓特征提取方法[J]. 沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)，2019, 41(03): 315-319

[9] 劉嶼，孫坤，謝宏威，等. 基于形狀上下文特征和ICP的高精度輪廓視覺(jué)檢測(cè)算法[J]. 華南理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2018, 46(01): 131-138, 144

[10] 侯守明，王陽(yáng)，唐琪博，等. 一種基于偏微分方程和Canny算子的圖像分割方法[J]. 山西大學(xué)學(xué)報(bào)：自然科學(xué)版，2017, 40(04): 676-682

[11] 司幸偉. 基于多尺度形態(tài)學(xué)圖像的屈肘角度檢測(cè)方法與實(shí)現(xiàn)[J]. 河南師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2017, 45(05): 60-67

[12] 趙建君，閆石，陳紅葉. 利用光柵探測(cè)激光信息的迭代算法研究[J]. 激光與紅外，2015, 45(7): 770-774

[13] 李墨羽，焦瑞莉，朱云龍，等. GNSS-R SAR地面目標(biāo)建模與成像[J]. 計(jì)算機(jī)工程與應(yīng)用, 2019, 55(23): 265-270

[14] 張宇，王曉燕. 基于混合灰度差指標(biāo)的低空目標(biāo)圖像檢測(cè)方法[J]. 電子測(cè)量與儀器學(xué)報(bào)，2015, 29(8): 1196-1202

[15] 盛蘊(yùn)霞，霍冠英，劉靜. 基于超像素聚類的側(cè)掃聲吶圖像分割算法[J]. 計(jì)算機(jī)工程，2018, 44(06): 219-225, 232

Research on automatic focus fusion of digital image based on guided filtering

ZHANG Lei

(Electrical and Mechanical Information Department, Anhui Vocational College of Press and Publishing, Hefei 230601, China)

In order to improve the auto-focus detection ability of remote sensing digital images in remote geophysical exploration, a digital image auto-focus fusion method based on guided filtering is proposed. Establishing a filtering detection model of remote geophysical remote sensing digital images, matching features of digital images under information enhancement technology, establishing a three-dimensional reconstruction model of remote geophysical remote sensing digital images, constructing a fuzzy feature detection algorithm of visible light digital images, performing RGB decomposition of digital images through remote geophysical remote sensing feature matching, obtaining a spatial matching function of digital images under remote geophysical remote sensing, and fusing remote geophysical remote sensing information under a visual distribution model. Combined with the method of spatial visual information enhancement, the digital image fusion filtering detection is carried out, and the digital image auto-focusing fusion processing is carried out by the guidance filtering method, so as to improve the output signal-to-noise ratio of the image. The simulation results show that this method has better output quality, higher image detection accuracy and better automatic matching performance, which improves the quality of high-distance geophysical remote sensing digital image recognition and focusing imaging.

guided filtering；digital image；auto-focusing；fusion

2020-08-21

張雷（1985-），男，安徽安慶人，講師，本科，主要從事印刷工程、計(jì)算機(jī)應(yīng)用技術(shù)研究，enail88856@163.com。

TP391.41

A

1007-984X(2021)01-0041-06