学海网

毕业论文-通过图像融合中应用数学形态学加强有效的景深，共16页，8008字。
摘要：减少的景深（自由度）成为光学成像系统的一个问题，因为出现在这个区域以外的对象，在所录制的图像显示的很模糊。该传感器有效自由度大大提高而不影响图像融合中不同的重点地区捕捉到的图像质量。本文提出一种图像融合技术，这种技术适合于结合一个场景中多聚焦图像。该方法采用形态学过滤器来选择不同的图像重点突出的区域，然后把他们结合在一起重建图像，该图像中所有的区域都集中正确的形象。性能的衡量是基于图像梯度，它用于与其他技术获得的图像融合方法得到的结果进行比较。
关键字：景深，多聚焦图像，融合，图像融合，形态滤波器，图像梯度

1. 介绍
一个要拍摄的镜头通常包括一些离镜头不同距离的对象。一个这样的场景图像清晰度的分布受各种因素的影响。由相机聚焦的对象和离相机相同距离的物体作为聚焦对象似乎在图像中的幅度最大。在前面和后面的物体锐利的聚焦距离在图像中逐渐减小。物体的距离在一定范围内，清晰度损失并不显着。这个范围称为景深或景焦的摄像头（自由度）。它是由各种因素决定的，例如，被视为可以接受的清晰度损失，使用的光圈（光圈减少将增加自由度），被聚焦对象的距离（物体越近，自由度越短）和焦距该镜头（焦距越长，自由度越短）。为最大限度的减少自由度光圈极端的例子发生在针孔摄像头的情况下，它具有无限的自由度。不幸的是，在图像平面中由于无限自由度的影响光功率大大减少。所以具有有限自由度相机是首选。但问题是，他们不能以同样的清晰度产生（在离相机）不同距离的所有物体的图像。其中一个提高有效自由度方法是获得一个聚焦在不同部位的场景图像，然后将它们以一种方式融合，这种方式就是所有区域都是现场的焦点。这个过程被称为多聚焦图像融合。融合前，合成的图像必须注册或者建立一个共同的坐标系统，以便使相应的对象有正确的空间匹配。无论是冗余信息的可靠性还是在各组成图像中的互补信息的质量都在已注册和融合的图像中得到提高。因此它为人类和/或机器感知提供了更好的观点。一个融合的数据还可以使任何其后的处理本身更成功，如物体识别，特征提取，分割等。
这一领域的一些研究人员正在开展工作。由于增大放大倍率和光圈使光学显微镜中的自由度的减少问题在[1,2]中已进行了讨论。一种通过可控摄像机在图像融合中的应用来提高有效自由度的方法在[3]中已有描述。但这种方法依赖于控制摄像机运动并且因为图像任意设置不能正常工作。有几种其他的多聚焦图像融合技术。在对源图像直接进行融合操作执行中的简单技术（例如加权平均法）经常有严重的副作用例如减少了融合图像中的对比度。概率的技术[4]，涉及庞大的运算使用浮点运算，因而需要大量的时间和内存空间。融合可以使用带有大量过滤的图像梯度[5]。但这种方法有一个缺点：图像散焦区加大了其他聚焦区域的牺牲。
..........