，)為第一副源圖像在L層分解后的低頻子圖；為第二副 源圖像在L層分解后的低頻子圖；7)為兩個源圖像L層分解后的低頻子圖融合后 的圖像（低頻系數(shù)）。
[0070] 請參閱圖4,示出了本發(fā)明多層圖像融合算法中高頻子圖的融合過程。高頻子圖的 系數(shù)描述了源圖像的細節(jié)成分，通常是代表了圖像中變換明顯的特征，例如：邊緣、邊界等 等。但圖像特征是由一組像素點決定的。因此，由一個位置的像素點決定融合后圖像的像素 的方法是缺少魯棒性的。另一方面，生理學(xué)的研宄表明，HVS對圖像局部對比度的等級是高 度敏感的，其中圖像局部對比度定義為局部灰度波動和背景的局部亮度之比。因此，采用的 局部對比度測量（local contrast measure, LCM)來進行高頻子圖的融合，這是基于生理學(xué) 研宄提出的。本發(fā)明LCM是高頻成份與背景的局部亮度的比值，將基于低頻子圖局部區(qū)域 的AEL定義為局部灰度波動，因為他可以有效地代表變換顯著的特征或是銳利的邊界。AEL 值越大的像素點越有可能處于在焦的平面，低頻子圖的系數(shù)代表該局部區(qū)域的背景亮度。
[0071] 具體地，首先計算每個高頻子圖局部區(qū)域的平均拉普拉斯能量，記為AELD(x，y)， 其中D代表L層分解后不同方向上（水平、垂直、45度及135度方向）的高頻子圖。此處高 頻子圖局部區(qū)域的平均拉普拉斯能量計算與低頻子圖局部區(qū)域平均拉普拉斯能量計算方 法相同，此處不再贅述。
[0072] 根據(jù)每個高頻子圖局部區(qū)域的平均拉普拉斯能量及對應(yīng)的低頻子圖局部區(qū)域的 背景亮度，進行局部對比度測量，計算LCM :
[0073]
[0074] 其中，為〇方向上的高頻子圖的局部對比度測量值，€(x，7)為l層分 解后的低頻子圖局部區(qū)域的背景亮度；AELD(x，y)為L層分解后D方向上的高頻子圖局部區(qū) 域的平均拉普拉斯能量。
[0075] 在本發(fā)明的一個實施例中，以局部區(qū)域設(shè)定為3X3,因此L層分解后的低頻子 圖局部區(qū)域的背景亮度為低頻子圖局部區(qū)域的均值，由此，可通過以下方式計算 f/U，r):
[0076]
[0077] 其中，d為L層分解后的低頻子圖在以像素點（x，y)為中心的 mXn區(qū)域內(nèi)的像素點的低頻系數(shù)。mXn設(shè)定為3X3。
[0078] 根據(jù)每一個源圖像在同一方向上高頻子圖的局部對比度測量的值及其權(quán)重獲取 高頻子圖融合的高頻系數(shù)。下式給出了兩個源圖像在D方向上的高頻子圖融合的高頻系數(shù) 計算公式：
[0079] 一
_ _
[0080] 其中，表示第一副源圖像L層分解后在D方向上的高頻子圖； 表示第二副源圖像L層分解后在D方向上的高頻子圖；％1為第一副源圖像在D 方向上的高頻子圖的權(quán)重；》1)，2第二副源圖像在D方向上的高頻子圖的權(quán)重；^^〇，^)為 第一副源圖像和第二幅源圖像的L層分解后在D方向上的高頻子圖融合后的高頻系數(shù)。
[0084] 其中，為第一副源圖像在L層分解后D方向上的高頻子圖的局部對比
[0081] wD;1和wD，2分別為兩幅源圖像L層分解后在D方向上的高頻子圖的權(quán)重，其表達式 為：
[0082]
[0083] 度測量值；ZC#i,2(x，y)為第二副源圖像在L層分解后D方向上的高頻子圖的局部對比度測 量值。
[0085] 以上所述本發(fā)明的【具體實施方式】，并不構(gòu)成對本發(fā)明保護范圍的限定。任何根據(jù) 本發(fā)明的技術(shù)構(gòu)思所作出的各種其他相應(yīng)的改變與變形，均應(yīng)包含在本發(fā)明權(quán)利要求的保 護范圍內(nèi)。
【主權(quán)項】
1. 一種用于明場顯微成像的多層圖像融合算法，其特征在于，包括以下步驟： 根據(jù)低頻子圖的局部區(qū)域平均拉普拉斯能量，獲取所述低頻子圖融和的低頻系數(shù)； 根據(jù)局部對比度測量，獲取所述高頻子圖像融和的高頻系數(shù)。2. 如權(quán)利要求1所述的用于明場顯微成像的多層圖像融合算法，其特征在于，通過每 一個低頻子圖的權(quán)重和局部區(qū)域的平均拉普拉斯能量，來得到融合后的低頻系數(shù)； 所述低頻子圖基于所述平均拉普拉斯能量的融合規(guī)則為：其中，1代表第一副源圖像，2代表第二幅源圖像;A代表了在L層分解后源圖像的低頻 子圖；L代表分解層數(shù)為L層；F代表融合后的圖像； 為第一幅源圖像L層分解后低頻子圖的權(quán)重，wA，2為第一幅源圖像L層分解后低頻 子圖的權(quán)重；W為第一副源圖像在L層分解后的低頻子圖；r)為第二副源 圖像在L層分解后的低頻子圖；為第一幅源圖像和第二幅源圖像L層分解后的 低頻子圖融合后的圖像；7)為第一副源圖像L層分解后的低頻子圖的平均拉普 拉斯能量；_r)為第二幅源圖像L層分解后的低頻子圖的平均拉普拉斯能量。3. 如權(quán)利要求1所述的用于明場顯微成像的多層圖像融合算法，其特征在于，根據(jù)所 述低頻子圖的拉普拉斯能量和權(quán)值矩陣計算所述低頻子圖的平均拉普拉斯能量：W(m，n)是一個根據(jù)所述低頻子圖局部區(qū)域得到的和為1的權(quán)值矩陣，IEOL(x+m，y+n) 為所述低頻子圖在（x+m，y+n)處的拉普拉斯能量，AEL(x,y)在（x，y)處的平均拉普拉斯能 量。4. 如權(quán)利要求3所述的用于明場顯微成像的多層圖像融合算法，其特征在于，所述低 頻子圖的拉普拉斯能量通過所述低頻子圖垂直方向、水平方向、45度方向及135度方向的 圖像特征獲取，所述低頻子圖的拉普拉斯能量計算公式為： IEOL(x，y) = (|f〃 vertical (X，y)Mf" horizontal(x，y)Mf〃 45(x，y)| + |f" 135(x，y)|)2 其中，IE0L(x，y)為低頻子圖f在（x，y)處的拉普拉斯能量；f" hOTizmtal代表低頻子圖f在像素點（x，y)處水平方向上的像素的二次求導(dǎo)，f"VOTtiMl代表低頻子圖f在像素點（x， y)處垂直方向上的像素的二次求導(dǎo)；f" 45(x，y)和f" 135(x，y)為低頻子圖f在像素點（X， y)處對角方向上的像素的二次求導(dǎo)。5. 如權(quán)利要求1所述的用于明場顯微成像的多層圖像融合算法，其特征在于，通過以 下步驟獲取所述高頻子圖融合的高頻系數(shù)： 根據(jù)每個高頻子圖局部區(qū)域的平均拉普拉斯能量及對應(yīng)的低頻子圖局部區(qū)域的背景 亮度，進行局部對比度測量； 根據(jù)所述局部對比度測量的值計算每一個高頻子圖的權(quán)重； 根據(jù)每一個源圖像在同一方向上高頻子圖的局部對比度測量的值及其權(quán)重，獲取在同 一方向上高頻子圖融合的高頻系數(shù)，高頻子圖融合的高頻系數(shù)計算公式為：其中，右知，y)表示第一副源圖像L層分解后在D方向上的高頻子圖；表 示第二副源圖像L層分解后在D方向上的高頻子圖；W：u為第一副源圖像在D方向上的高頻 子圖的權(quán)重；《1)，2第二副源圖像在D方向上的高頻子圖的權(quán)重；J)為第一副源圖像 和第二幅源圖像的L層分解后在D方向上的高頻子圖融合后的高頻系數(shù)。6. 如權(quán)利要求5所述的用于明場顯微成像的多層圖像融合算法，其特征在于，根據(jù)所 述局部對比度測量的值計算每一個高頻子圖的權(quán)重，其表達式其中，為第一副源圖像在L層分解后D方向上的高頻子圖的局部對比度測 量值；ZO/^(x，y)為第二副源圖像在L層分解后D方向上的高頻子圖的局部對比度測量 值。7. 如權(quán)利要求5所述的用于明場顯微成像的多層圖像融合算法，其特征在于，根據(jù)每 個源圖像同一方向上高頻子圖局部區(qū)域的平均拉普拉斯能量及對應(yīng)的低頻子圖局部區(qū)域 的背景亮度，進行局部對比度測量；當所述局部區(qū)域為3X3時，所述低頻子圖局部區(qū)域的 背景亮度4(1，W為低頻子圖局部區(qū)域的均值，通過以下方式計算：其中，f/(x+ + /?)為L層分解后的低頻子圖在以像素點（x，y)為中心的mXn區(qū) 域內(nèi)的像素點的低頻系數(shù)，mXn為3X3。
【專利摘要】本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體公開一種用于明場顯微成像的多層圖像融合算法，包括以下步驟：根據(jù)低頻子圖的局部區(qū)域平均拉普拉斯能量，獲取所述低頻子圖融和的低頻系數(shù)；根據(jù)局部對比度測量，獲取所述高頻子圖像融和的高頻系數(shù)；本發(fā)明根據(jù)低頻子圖局部區(qū)域的平均拉普拉斯能量獲取低頻子圖融合的低頻系數(shù)，通過局部對比度測量，獲取高頻子圖融合的高頻系數(shù)，使得能夠從源圖像中提取更清晰及更多的細節(jié)信息，融合后的圖像失真度低，達到了很好的反映源圖像的有益效果。
【IPC分類】G06T5/50
【公開號】CN104992426
【申請?zhí)枴緾N201510416230
【發(fā)明人】姜波, 裴端卿, 張銳, 張驍, 駱健忠, 王新源
【申請人】中國科學(xué)院廣州生物醫(yī)藥與健康研究院
【公開日】2015年10月21日
【申請日】2015年7月15日