摘 要： 提出了一種基于局部特征分析的多聚焦圖像融合方法。首先采用二維經(jīng)驗(yàn)?zāi)Ｊ椒纸猓˙EMD）對(duì)不同聚焦圖像進(jìn)行分解，得到多個(gè)內(nèi)蘊(yùn)模函數(shù)（IMF）分量，然后提取出第一個(gè)IMF分量的統(tǒng)計(jì)信息作為圖像融合的依據(jù)，對(duì)多張不同聚焦的圖像進(jìn)行融合，得到最終的融合圖像。實(shí)驗(yàn)結(jié)果表明，本文提出的均值IMF方案與其他方案相比，具有較高的融合質(zhì)量和較低的計(jì)算復(fù)雜度。

隨著科學(xué)技術(shù)的迅速發(fā)展，圖像融合技術(shù)作為計(jì)算機(jī)圖像處理中重要組成部分也逐漸發(fā)展起來(lái)。圖像融合主要是將同一場(chǎng)景中的多張圖像信息加以提取，得到相應(yīng)場(chǎng)景更精確、更詳細(xì)、更全面的信息，以便對(duì)圖像進(jìn)行進(jìn)一步的分析和研究。目前，圖像融合技術(shù)在醫(yī)學(xué)、生物學(xué)、物理學(xué)、電子和機(jī)械等各個(gè)領(lǐng)域都有巨大的發(fā)展?jié)摿Γ顼@微鏡多聚焦圖像的融合、醫(yī)學(xué)上CT與核磁共振圖像的融合、軍用圖像傳感系統(tǒng)等方面。

近三十年來(lái)，圖像融合技術(shù)的研究在國(guó)內(nèi)的各個(gè)領(lǐng)域取得很大進(jìn)步，開發(fā)出了多種圖像融合系統(tǒng)。但是相對(duì)于國(guó)外先進(jìn)的技術(shù)，國(guó)內(nèi)的圖像融合技術(shù)還存在許多理論方面和技術(shù)方面的問(wèn)題，因此，對(duì)于深入展開圖像融合技術(shù)的研究在現(xiàn)階段有很重大的意義。

基于理論的成熟性，目前已提出了很多圖像融合模型和算法。早期的圖像融合方法主要有平均、HIS變換、主分量分析、高通濾波等。這些方法在進(jìn)行融合處理時(shí)都不對(duì)待融合圖像進(jìn)行分解變換，融合處理僅僅只在一個(gè)層次上進(jìn)行，都是比較簡(jiǎn)單的圖像融合算法［1］。20世紀(jì)80年代中期，BURT D J等人提出了拉普拉斯金字塔算法［2］。后來(lái)相繼出現(xiàn)了基于對(duì)比度金字塔、基于梯度金字塔等金字塔式融合算法［3］。

隨著小波理論的興起，Chipman等人又提出一種基于小波理論的圖像融合，TANG J S提出了基于DCT變換［4］的圖像融合?；诳臻g域和頻域變換的圖像融合算法是目前研究較多的圖像融合算法。在大部分圖像融合算法的研究中，由于應(yīng)用范圍和要求不同，各種圖像融合算法和模型相對(duì)而言各有優(yōu)缺點(diǎn)，因此需要發(fā)展更適用、性能更優(yōu)的圖像融合算法。

本文主要對(duì)多聚焦圖像融合算法進(jìn)行研究。多聚焦圖像融合技術(shù)主要應(yīng)用于電子顯微鏡、數(shù)碼相機(jī)等光學(xué)成像系統(tǒng)中，得到一個(gè)所有目標(biāo)都聚焦清晰的融合圖像，以便于人眼觀察或機(jī)器進(jìn)一步處理。圖像融合分為3類：像素級(jí)圖像融合、特征級(jí)圖像融合和決策級(jí)圖像融合［5］。

本文針對(duì)特征級(jí)圖像融合提出一種基于局部特征分析的多聚焦圖像融合方法，該方法摒棄了基于空間域和頻域的融合算法研究，采用二維經(jīng)驗(yàn)?zāi)Ｊ椒纸釨EMD（Bidimensional Empirical Mode Decomposition）運(yùn)用到顯微圖像融合中，通過(guò)數(shù)學(xué)形式獲取圖像的BIMF分量的均值得到顯微圖像的特征。BEMD分解方法是一種完全自適應(yīng)的數(shù)據(jù)分解表達(dá)形式，基于BIMF分量評(píng)價(jià)方法含有的信息量比基于頻域和基于空間域系數(shù)特征大，具有比傅里葉變換和小波分解更好的特性。

1 基于BEMD分解的顯微圖像融合

1.1 融合圖像特征提取

對(duì)輸入圖像I（x，y），采用BEMD［6］將圖像I（x，y）分解成多個(gè)內(nèi)蘊(yùn)模式函數(shù)IMF（Intrinsic Mode Function）分量和殘差分量，分別記為imfi（x，y）和RI（x，y）。由于第一個(gè)IMF分量含有圖像的大部分高頻信息，包括了待融合圖像突出的邊緣、線條和區(qū)域邊界等強(qiáng)對(duì)比度物理信息，足以表征圖像的模糊特性，因此，本文只對(duì)第一個(gè)IMF分量進(jìn)行處理，然后提取出該IMF的圖像特征，根據(jù)圖像特征選用適當(dāng)?shù)膱D像融合規(guī)則。本文設(shè)計(jì)了以下3種圖像融合算法。

2 實(shí)驗(yàn)結(jié)果與分析

首先采用自然圖像對(duì)本文的各種方案性能進(jìn)行測(cè)試。圖2（a）和（b）給出了2張不同聚焦的自然圖像，圖2（c）、（d）和（e）分別給出了IMF-GGD方案、IMF-Hilbert方案和IMF-Mean方案的融合結(jié)果。從圖中可以看出，IMF-GGD方案以尺度參數(shù)作為圖像融合準(zhǔn)則，其融合效果較差，塊效應(yīng)比較明顯，并且高斯擬合的復(fù)雜度較高；IMF-Hilbert方案的融合結(jié)果稍有所提高；IMF-Mean方案得到的融合圖像效果最佳，局部區(qū)域的模糊塊最少，并且采用IMF-Mean方案的計(jì)算復(fù)雜度相對(duì)其他兩種方案是最低的，非常適合圖像融合應(yīng)用。

進(jìn)一步采用顯微圖像對(duì)本文的各種方案性能進(jìn)行測(cè)試。圖3給出了對(duì)2張不同聚焦的顯微圖像采用IMF-GGD方案、IMF-Hilbert方案和IMF-Mean方案得到的融合圖像，圖4給出了對(duì)5張不同聚焦的顯微圖像采用IMF-Mean方案得到的融合入圖像。從實(shí)驗(yàn)結(jié)果可以看出，IMF-Mean方案能夠得到較好的融合效果。由于顯微圖像的分辨率較高，對(duì)算法的實(shí)時(shí)性要求較高，而本文提出的IMF-Mean方案復(fù)雜度較低，為數(shù)碼顯微鏡在線融合系統(tǒng)的開發(fā)提供了可能性。

本文提出了一種基于局部特征分析的多聚焦圖像融合方法。本文算法的優(yōu)點(diǎn)在于采用BEMD對(duì)多聚焦圖像進(jìn)行分解，提取多個(gè)IMF分量，分解過(guò)程是自適應(yīng)的，完全由數(shù)據(jù)驅(qū)動(dòng)，可以提取出各幅源圖像的聚焦清晰的細(xì)節(jié)信息；并且，基于均值的融合準(zhǔn)則能得到較好的圖像融合效果，計(jì)算復(fù)雜度較低。在本文研究的基礎(chǔ)上，將進(jìn)一步結(jié)合區(qū)域重要性信息進(jìn)行圖像融合操作。

參考文獻(xiàn)

［1］ 王春華。圖像融合研究綜述［J］。科技創(chuàng)新導(dǎo)報(bào)，2011（13）：11-13.

［2］ BURT P J.， KOLCZYNSKI R J.， Enhances image capture through fusion［C］。 International Conference on Computer Vision， 1993， 173-182.

［3］ TOET A， RUYVEN V， VALETON J J， et al. Merging thermal and visual images by a contrast pyramid［J］。 Optical Engineering， 1989， 28（7）： 789-792.

［4］ Tang Jinshan. A contrast based image fusion technique in the DCT domain［J］。 Digital Signal Processing， 2004， 14（3）： 218-226.

［5］ 黃偉。像素級(jí)圖像融合研究［D］。上海：上海交通大學(xué)，2008.

［6］ 王珊珊，邵楓，郁梅，等?；诙S經(jīng)驗(yàn)?zāi)Ｊ椒纸獾臒o(wú)參考模糊失真立體圖像質(zhì)量評(píng)價(jià)方法［J］。光電工程，2013，40（9）：28-34.

［7］ 汪太月，李志明。一種廣義高斯分布的參數(shù)快速估計(jì)法［J］。工程地球物理學(xué)報(bào)，2006，3（3）：172-176.

［8］ 喬麗紅。二維Hilbert-Huang變換及其在圖像處理中的應(yīng)用［D］。石家莊：河北師范大學(xué)，2010.

［9］ 陳穎。顯微圖像融合算法研究［D］。北京：中國(guó)科學(xué)院研究生院，2010.

編輯：jq