1、由于光學(xué)鏡頭的聚焦范圍有限，很將同一場景內(nèi)不同距離景物都清晰地成像在一幅圖像中。這一問題可通過多聚焦圖像融合技術(shù)來解決。該技術(shù)能有效提高圖像信息的利用率，增強(qiáng)系統(tǒng)對目標(biāo)探測識別的可靠性，為圖像識別、邊緣檢測、圖像分割、特征提取等后續(xù)處理奠定良好的基礎(chǔ)。目前，多聚焦圖像融合已在目標(biāo)識別、顯微成像、軍事作戰(zhàn)、機(jī)器視覺等領(lǐng)域得到了廣泛應(yīng)用。
　　多聚焦圖像融合的關(guān)鍵是找到源圖像中的清晰區(qū)域或像素，通過對其重組得到一幅所有景物都清晰的融合

2、圖像。也就是說，多聚焦圖像融合的關(guān)鍵在于清晰區(qū)域或像素位置的正確判斷，這也是多聚焦圖像融合中的難點(diǎn)之一。由于圖像內(nèi)容的復(fù)雜性，通常很難對所有區(qū)域或像素的清晰度進(jìn)行正確評價，從而造成融合圖像效果不夠理想。本文在現(xiàn)有多聚焦圖像融合方法的基礎(chǔ)上，深入研究了多聚焦圖像融合問題。針對現(xiàn)有方法存在的某些缺陷和不足，分別在多尺度變換域和空間域內(nèi)對多聚焦圖像融合進(jìn)行了研究。
　　為避免噪聲對融合算法造成的影響，在提升靜態(tài)小波(Lifting St

3、ationary Wavelet Transform，LSWT)域內(nèi)提出了LSWT多尺度積與脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network，PCNN)相結(jié)合的融合方法。根據(jù)LSWT相鄰尺度間的多尺度積能有效增強(qiáng)有用信號的邊緣細(xì)節(jié)信息，削弱噪聲的優(yōu)點(diǎn)，提出將多尺度積的某個特征作為PCNN神經(jīng)元的外部輸入，并根據(jù)神經(jīng)元的點(diǎn)火次數(shù)來確定融合圖像各高頻子帶系數(shù)，從而抑制了噪聲對融合算法造成的可能影響，獲得了良好的融合

4、結(jié)果。
　　為克服傳統(tǒng)對比度測度在判別像素聚焦特性時表現(xiàn)出的不足，在 LSWT域內(nèi)提出了方向信息特征對比度的概念，制定了基于方向信息特征對比度的系數(shù)選擇方案。由于方向信息特征對比度不僅考慮了方向信息對噪聲不敏感的特性，還考慮了人眼視覺對圖像對比度的變化比較敏感的特性，因而能有效避免噪聲對融合算法的干擾，彌補(bǔ)傳統(tǒng)對比度測度的不足，提升各高子帶聚焦特性判別的正確率，為融合圖像子帶系數(shù)的選擇提供了依據(jù)。
　　針對基于多尺度分解的多

5、聚焦圖像融合方法容易出現(xiàn)融合圖像系數(shù)的誤選，在 NSCT域內(nèi)設(shè)計了一種基于分?jǐn)?shù)階微分的清晰度評價指標(biāo)。根據(jù)該指標(biāo)和多聚焦圖像的成像特性，提出一種聚焦區(qū)域檢測方法。在此基礎(chǔ)上，制定了基于聚焦區(qū)域檢測和分?jǐn)?shù)階微分清晰度評價指標(biāo)相結(jié)合的系數(shù)選擇方案。該方案將處于聚焦區(qū)域內(nèi)部的系數(shù)直接選出，構(gòu)成融合圖像相應(yīng)子帶位置處的系數(shù)；對離聚焦區(qū)域之間的過渡帶，則根據(jù)分?jǐn)?shù)階微分清晰度評價指標(biāo)來進(jìn)行融合處理,從而降低了各子帶系數(shù)的誤選，提升了融合算法性能。<

6、br>　　在空間域內(nèi)提出了基于聚焦區(qū)域檢測和多尺度分解相結(jié)合的融合算法。該方法從多尺度分解融合方法不易產(chǎn)生不連續(xù)現(xiàn)象的特性出發(fā)，通過一種新的基于多尺度分解的融合方法來獲取初始融合圖像。根據(jù)初始融合圖像與源圖像之間的相似度，實現(xiàn)對源圖像像素聚焦特性的初步判定。據(jù)此建立初始融合決策圖，并對其進(jìn)行后續(xù)處理，修正判別錯誤的像素。根據(jù)融合決策圖中像素所處位置和初始融合圖像，制定最終融合圖像的獲取方案。該方案有效避免了離聚焦區(qū)域之間不連續(xù)現(xiàn)象的產(chǎn)生

7、，提升了融合圖像質(zhì)量。
　　針對傳統(tǒng)多尺度Top-Hat變換不能提取整個尺度區(qū)間上圖像特征的不足，引入了改進(jìn)的多尺度Top-Hat變換。根據(jù)該變換，設(shè)計基于數(shù)學(xué)形態(tài)學(xué)的聚焦區(qū)域檢測方法與雙窗口技術(shù)的多聚焦圖像融合方法，解決了單個窗口技術(shù)在判定離聚焦區(qū)域之間過渡帶時窗口尺寸大小很難確定的問題，降低了像素的分類錯誤，為獲得視覺效果更好的融合圖像奠定了基礎(chǔ)。
　　最后，對本文的主要工作以及取得的成果進(jìn)行了總結(jié)，并進(jìn)一步指出了下一步