离焦图像清晰区域分割方法研究

论文摘要

本文主要讨论了离焦模糊图像清晰区域的分割及应用。本文首先从光学成像原理上分析了离焦模糊的形成原因,并建立了基于区域的离焦模糊模型。由于图像离焦模糊主要反映在图像边缘特征上,所以本文在经典“sobel”边缘提取方法的基础上,提出了基于边缘最大梯度的边缘细化方法。接着,本文先是使用边缘最大梯度和过渡区宽度这两个特征对图像的细节区域进行分类;再依据就近原则,使用竞争型神经网络对图像的平坦区域进行分类;然后根据图像的锐利分布情况和地域性原则,实现了图像的清晰区域分割和排序。最后,本文把清晰区域分割方法应用到图像复原领域,实现了基于区域的图像复原;又应用到多焦点图像融合领域,提出了一种新的融合规则,实现了多焦点图像间的融合,得到了非常理想的融合效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 离焦图像清晰区域分割的意义
• 1.2 本文主要工作
• 1.3 本文章节安排
• 第二章 离焦模糊原理介绍
• 2.1 离焦模糊形成原因
• 2.1.1 凸透镜成像情况分析
• 2.1.2 焦点面及离焦模糊成像原因
• 2.2 离焦图像的模糊模型
• 2.2.1 图像模糊模型
• 2.2.2 离焦模糊的点扩展函数
• 2.2.3 基于区域的离焦模糊模型
• 2.3 反映离焦模糊程度的特征
• 2.3.1 离焦模糊与边缘的关系
• 2.3.2 离焦模糊程度的表现特征
• 第三章 清晰区域的分割和排序
• 3.1 离焦图像的边缘提取
• 3.1.1 现有的边缘提取方法
• 3.1.2 本文中边缘提取方法选择
• 3.1.3 噪音及阈值选择
• 3.1.4 基于最大梯度的边缘细化法则
• 3.2 基于边缘最大梯度和过渡区宽度的细节区域分类
• 3.2.1 边缘最大梯度特征规范和等级化
• 3.2.2 细节区域分类
• 3.3 基于神经网络的平坦区域分类
• 3.3.1 平坦区域的分类准则
• 3.3.2 选择神经网络的原因
• 3.3.3 选择竞争型神经网络的原因
• 3.3.4 基于竞争型神经网络的平坦区域分类
• 3.4 基于清晰程度的区域分割
• 3.4.1 区域的锐利分布
• 3.4.2 基于人类视觉习惯的清晰区域分割
• 第四章 图像清晰区域分割方法的应用
• 4.1 清晰区域分割方法在离焦图像复原的应用
• 4.1.1 离焦模糊程度评估
• 4.1.2 基于区域的离焦模糊图像复原
• 4.2 清晰区域分割方法在多焦点图像融合的应用
• 4.2.1 本文的多焦点图像融合规则
• 4.2.2 多焦点图像融合实验结果
• 第五章 结论
• 5.1 工作总结
• 5.2 展望
• 致谢
• 参考文献
• 研究成果