正在加载图片...
第2期 任晓霞,等:多小波和NSDFB组合域递归滤波多聚焦图像融合 .245. Lab图像的融合结果如图4(a)~(d)所示,对 焦图像中的聚焦良好区域的图像信息,同时引入了 于人物头部区域来说,本文提出的方法具有更少的 更少的伪影信息。 伪影信息,而其他3个方法的图像在该区域具有更 除了主观的视觉评价外,本文采用互信息(M如 为明显的伪影。对于Disk图像的融合结果来说,图 tual information,MI)、Qv[6]对融合结果进行客观 5(a)和图5(b)中具有明显的伪影,而图5(d)中出 评价,M和QA这两个指标并不要求知道理想的 现了明显的边缘模糊现象,图5()这些现象最为不 融合图像(也称为参考图像),并且大量的应用在图 明显:为了更为明显地展示不同方法的融合效果,图 像融合客观评价中718)。M也称为相关嫡,用来评 4(e)~(h)和图5(e)~(h)给出了不同方法获得的 价源图像与融合图像之间的相似度,互信息值越大, 融合结果图像与源图像的残差图像。对于残差图像 说明融合的效果越好;Qr利用Sobel边缘检测来 来说,更少的残差信息说明融合图像的相应区域绝 衡量有多少源图像的边缘细节信息转移到了融合图 大多数来自于源图像中清晰的部分,很少或者没有 像,Q的值越大,说明融合的效果越好:表1给出 来自于另一幅源图像的模糊部分。图4(e)和图5 了4种融合方法得到融合图像的评价指标的计算结 (g)具有最为明显的残差信息,图4(f)、图4(g)、图 果。从表1看,本文提出的方法对于4对多聚焦图 5(e)和图5(f)的残差虽不太明显,但依然比图4 像都取得了最高的I和Q值,这表明所提出方 (h)和图5(h)要明显得多。图4(h)和图5(h)几乎 法的融合结果相对于其他3种方法来说,融合了更 没有残留信息。以上分析表明:本文提出的融合方 多源图像的信息。 法相对于其他3种方法,能够获得更多来自源多聚 表1不同融合方法的客观评价 Table 1 Objective evaluation of fused images with different methods 图像评价指标Das方法 NSCT SML Kumar方法 本文方法 MI 7.7478 7.6351 7.4774 8.1208 Lab OARVE 0.7183 0.7338 0.7321 0.7416 MI 7.2022 6.8510 6.6735 7.7612 Disk OARIF 0.6992 0.7139 0.6950 0.7184 MI 7.2205 7.4496 7.4139 7.7855 Clock OE 0.6477 0.6743 0.6873 0.6889 MI 7.7260 7.4017 7.2282 7.5135 Pepsi OARVE 0.7592 0.7768 0.7798 0.7825 (a)Das方法 (b)NSCT SMI (c)Kumar方法 (d)本文方法 (e)图(a)与图3(e)的差 ()图(b)与图3(e)的差(g)图(c)与图3(e)的差(h)图(d)与图3(e)的差 图4Lb图像融合实验 Fig.4 Image fusion experiment on Lab image 76 (a)Das方法 (b)NSCT SML (c)Kumar方法 (d)本文方法Lab 图像的融合结果如图 4( a) ~ ( d) 所示,对 于人物头部区域来说,本文提出的方法具有更少的 伪影信息,而其他 3 个方法的图像在该区域具有更 为明显的伪影。 对于 Disk 图像的融合结果来说,图 5(a)和图 5(b)中具有明显的伪影,而图 5(d)中出 现了明显的边缘模糊现象,图 5(d)这些现象最为不 明显;为了更为明显地展示不同方法的融合效果,图 4(e) ~ (h)和图 5( e) ~ ( h)给出了不同方法获得的 融合结果图像与源图像的残差图像。 对于残差图像 来说,更少的残差信息说明融合图像的相应区域绝 大多数来自于源图像中清晰的部分,很少或者没有 来自于另一幅源图像的模糊部分。 图 4( e) 和图 5 (g)具有最为明显的残差信息,图 4(f)、图 4(g)、图 5(e)和图 5( f) 的残差虽不太明显,但依然比图 4 (h)和图 5(h)要明显得多。 图 4(h)和图 5(h)几乎 没有残留信息。 以上分析表明:本文提出的融合方 法相对于其他 3 种方法,能够获得更多来自源多聚 焦图像中的聚焦良好区域的图像信息,同时引入了 更少的伪影信息。 除了主观的视觉评价外,本文采用互信息(Mu⁃ tual information, MI)、Q AB/ F[16] 对融合结果进行客观 评价,MI 和 Q AB/ F这两个指标并不要求知道理想的 融合图像(也称为参考图像),并且大量的应用在图 像融合客观评价中[17⁃18] 。 MI 也称为相关熵,用来评 价源图像与融合图像之间的相似度,互信息值越大, 说明融合的效果越好;Q AB/ F利用 Sobel 边缘检测来 衡量有多少源图像的边缘细节信息转移到了融合图 像,Q AB/ F的值越大,说明融合的效果越好;表 1 给出 了 4 种融合方法得到融合图像的评价指标的计算结 果。 从表 1 看,本文提出的方法对于 4 对多聚焦图 像都取得了最高的 MI 和 Q AB/ F值,这表明所提出方 法的融合结果相对于其他 3 种方法来说,融合了更 多源图像的信息。 表 1 不同融合方法的客观评价 Table 1 Objective evaluation of fused images with different methods 图像 评价指标 Das 方法 NSCT_SML Kumar 方法 本文方法 Lab MI 7.747 8 7.635 1 7.477 4 8.120 8 Q AB/ F 0.718 3 0.733 8 0.732 1 0.741 6 Disk MI 7.202 2 6.851 0 6.673 5 7.761 2 Q AB/ F 0.699 2 0.713 9 0.695 0 0.718 4 Clock MI 7.220 5 7.449 6 7.413 9 7.785 5 Q AB/ F 0.647 7 0.674 3 0.687 3 0.688 9 Pepsi MI 7.726 0 7.401 7 7.228 2 7.513 5 Q AB/ F 0.759 2 0.776 8 0.779 8 0.782 5 图 4 Lab 图像融合实验 Fig.4 Image fusion experiment on Lab image 第 2 期 任晓霞,等:多小波和 NSDFB 组合域递归滤波多聚焦图像融合 ·245·
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有