这篇文章的整体思路首先是得到清晰块,不清晰块和含有清晰区域和不清晰区域的块,然后再在含有清晰区域和不清晰区域的块中确定边界。最后再将所有图像的清晰块相结合,边界区域相结合,最后得到融合后的图像。
其主要思路是:
Step1:定义一种清晰度描述,MSMFM,一种多尺度下形态学梯度求和的结果。如图1:
图1Step2:基于saliency_map确定清晰块,不清晰块及含有清晰区域和不清晰区域的块。并在清晰区域与不清晰区域块中中形成边界。
Step3:对边界进行优化,并生成边界区域的权重,由此形成边界区域的融合结果。
Step4:将所有图像中对应的清晰块相结合。
Step5:将Step3中的融合结果与Step4中的融合结果相加得到最终的融合图像。
心得:
因为此方法在于去寻找清晰区域与不清晰区域的边界,并对确定的边界信息进行优化,在这样的一个过程中可以解决图像未配准的情况。这种方式对于自然场景中的有明显区域轮廓的图片适用,但对于自身的显微镜图像下的多聚焦图像则不适用。所以对于此篇文章便不作过多的详述。
但是整片文章的行文很详实,可用来作为论文写作时的一个参考~
网友评论