基于非下采样Shearlet变换耦合导向法则的多聚焦图像融合算法

为了克服当前较多图像融合算法主要是通过取大法来完成图像系数的融合,忽略了图像间的关联性,导致融合图像中含有间断及振铃现象等缺陷,设计了基于非下采样Shearlet变换耦合导向法则的多聚焦图像融合算法。首先,引入非下采样Shearlet变换(NSST),对多聚焦图像进行计算,求取图像的不同系数。再利用图像的区域能量、标准差以及空间频率特征,对图像的关联性进行度量,并将度量结果作为选择融合规则的导向信息,通过构造导向法则来完成低频系数融合。在高频系数融合时,利用图像的均值特征以及Laplacian能量特征,分别对图像的亮度以及边缘信息进行度量,以实现高频系数的融合。以电路板与仪表盘为样本数据进行测试,结果显示,与当下融合算法相比,本文算法具有更高的融合效果,其输出图像具有更大的通用图像质量指标与平均梯度值。

基于最优导向法则与距离约束的图像修复算法

为了解决当前图像修复算法利用置信度与数据项来完成图像修复时,忽略了优先修复块中已知信息量所占的比例,导致修复图像存在不连续以及块效应的不足,提出了一种基于最优导向法则耦合距离约束因子的图像修复算法。首先,将像素点的梯度信息引入到待修复块的优先权中,联合置信度与数据项,构造了优先权判定函数,从破损区域中选取优先修复块。以优先修复块中已知信息量所占的比例为依据,构造最优导向法则,对优先修复块中已知信息所占比例进行调整,以找出最佳的匹配块。然后,计算像素点的梯度信息,建立梯度直方图,确定待修复像素点的主方向,通过待修复块内已知像素点与待修复像素点的距离构造主方向上的距离约束因子,以对样本块大小进行动态调整。最后,在像素点之间棋盘距离的约束下,通过对像素点进行均方误差和度量,搜索最优匹配块,从而完成图像修复。实验结果与分析显示,与当前图像修复算法相比,所提算法具有更高的修复视觉质量。