图像融合基于matlab DSIFT多聚焦图像融合含Matlab源码 2224期
Posted 海神之光
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了图像融合基于matlab DSIFT多聚焦图像融合含Matlab源码 2224期相关的知识,希望对你有一定的参考价值。
⛄一、SIFT配准简介
1 算法概述
在实时系统中,算法的输入为相机数据流,当前输入的图像与上一张相似度很高时应不参与融合,由于在体视显微镜下序列图像存在较大程度的偏移,所以融合前还需要进行图像配准,配准完成后再进行图像融合。算法流程图如图1所示。
图1 算法流程图
2 算法细节
2.1 图像配准
针对图像配准有基于灰度模板和特征点的算法。基于灰度模板的算法主要通过灰度匹配,使用误差函数来判断匹配程度;基于特征点的方法有SIFT,SURF和ORB等,此类方法基本思想是:首先找出图像中稳定的关键点,根据特征点给它一个向量用于描述,然后通过这个描述进行特征点的匹配,估计出图像的变换矩阵。然而,在显微图像融合的应用场景中有如下两个特殊之处:
-
由于光源是稳定的,视角是固定的,不会有透视变换和旋转,只会有位移以及光圈弥散,即视觉上的轻微放大。大量实验表明光圈引起的放大不会对图像有显著影响。
-
由于聚焦的变化,特征点检测也会有较大的变化,假设有两幅图像,第1幅图像左半边比较清晰,右半边比较模糊,第2幅图像则相反,左半边比较模糊,右半边比较清晰,这时候在进行图像配准时,用基于特征点的方法会发现第1幅图像找出来的特征点集中在左边,而第2幅图像特征点集中在右边,此时特征点匹配会比较困难。同时,由于基于特征点的方法可以应对相机各种类型的变换,如平移、缩放、旋转和透视等,所有的这些参数组合进算法中,使得算法的复杂度提高,计算量巨大,不太适用于实时应用程序。因此,笔者采用了基于多级下采样与最大相关性方法,由粗到精进行匹配,大大减少了计算复杂度。
2.2 聚焦度量
对于多焦图像融合,需要先对图像进行聚焦度量,再对聚焦区域进行分割和图像融合。因此,选择合适的聚焦度量方法对后续过程至关重要。笔者分析了几种典型的度量方法:EOG,EOL,SF和SML。
EOG的计算式为
SML的计算式为
4 种聚焦度量方法只有SML在计算完每个像素点的锐度之后进一步考虑了邻域内的锐度信息,因此使用SML可以获得更好的融合结果。如图2所示,除SML外,其他方法的融合均出现了不同程度的白色伪影,并且采用SML方法能保留更多的细节。因此,笔者采用SML作为聚焦度量方法,并使用积分图像进行优化。
⛄二、部分源代码
clc
a=imread(‘5left.jpg’);
b=imread(‘5right.jpg’);
c=DSIFT_Fusion(a,b,48,8,1);
figure();
imshow©;
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]郑河荣,韩良伟,徐文迪,王文华.实时多聚焦显微图像融合算法[J].浙江工业大学学报. 2022,50(01)
3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除
以上是关于图像融合基于matlab DSIFT多聚焦图像融合含Matlab源码 2224期的主要内容,如果未能解决你的问题,请参考以下文章
图像融合基于matlab GUI图像融合含Matlab源码 2183期
图像融合基于matlab小波变换全聚焦图像融合含Matlab源码 1372期
图像融合基于matlab小波变换全聚焦图像融合含Matlab源码 1372期
图像融合基于matlab高分辨率全色图小波变换图像融合(含评价指标)含Matlab源码 2405期