多焦面紡織纖維圖像融合的研究.pdf

1、不同種類的纖維紡織品，其強度、截面粗細、縱向長度、卷曲度等特征信息均不相同。同一種類的纖維紡織品也會存在個體差異。這些特征信息是判斷纖維對象成熟度的重要標準，是纖維檢測和識別過程的關(guān)鍵數(shù)據(jù)。因而，研究紡織纖維圖像對獲取并分析這些特征信息具有重要意義。然而，采用全自動控制顯微鏡系統(tǒng)進行圖像獲取時，由于同一場景內(nèi)具備多個纖維目標對象，顯微鏡傳感對它們的空間分辨力具有局限性，導(dǎo)致拍攝獲取的紡織纖維圖像存在著多焦面問題一一同一場景的不同部位存在

2、不同的聚焦效果。而纖維的縱向與橫向紋理所存在的多焦面問題會導(dǎo)致圖像信息不準確，進一步影響對纖維的判斷和鑒別。為了解決這個制約纖維檢測的瓶頸，獲得更為精準的纖維圖像，應(yīng)用圖像融合技術(shù)是必不可少的。
　　 圖像融合技術(shù)可以解決多焦面問題。它利用多焦面圖像之間存在著冗余性和互補性，將在相同成像條件下的多幅處于不同聚焦平面的圖像，通過一定算法得到清晰的部分，組成一幅目標聚焦清晰的圖像。得到的融合圖像信息比原來任何一幅圖像都更為豐富，對目

3、標的表征也更為精確，從而有利于圖像的后續(xù)處理和對目標的進一步評估與決策。
　　 常用的圖像融合方法有空域法和變換域法?？沼蚍òㄟ壿嫗V波法、形態(tài)學(xué)法、圖像代數(shù)法等，變換域法包括金字塔算法和小波變換法等。這些現(xiàn)有技術(shù)具有各自的優(yōu)勢，但也存在以下幾種不足:所需的參數(shù)過多，結(jié)果不穩(wěn)定;閾值選取不當，因而產(chǎn)生模糊效應(yīng)、重合不良、圖像信息易失;噪聲多，融合結(jié)果精度不強;融合處理不夠?qū)崟r，效率低。
　　 為了能夠?qū)崟r地構(gòu)造更為清晰、

4、全面的紡織纖維圖像，以便于對纖維目標對象的特征進一步地識別、研究和處理，從而需要針對紡織纖維特性提出多焦面紡織纖維圖像融合技術(shù)。同一目標場景里的多幅多焦面源圖像，彼此間存在時間或空間上冗余或互補的圖像信息。紡織纖維圖像融合技術(shù)便是利用這些信息，依據(jù)圖像融合算法合成一幅各個纖維都聚焦清晰的結(jié)果圖像。
　　 對此本文提出一種基于區(qū)域清晰度的圖像融合方法。用像素點灰度的模值衡量像素點的清晰度。首先通過對多焦面圖像搜索像素點最大模值的方