Page 69 - 无损检测2022年第九期

白贇沨,等:
基于 GF-WLS 和 VSM 的多能量 X 射线图像融合方法

察。所以针对这一问题, 提出了多能量 X 射线图像 的融合。因此, 文章结合不同方法的优势, 提出了基
融合算法。 于 GF-WLS ( GF 为引导滤波器) 和 VSM 的图像融
图像融合是最大限度提取多幅图像的有 利信 合算法。该算法在提取图像细节时对边缘的保护性
息, 综合成一幅高质量图像的过程, 融合后的图像较 良好, 融合后的图像纹理清晰, 在复杂结构件的多能
融合前的图像含有更多的有用信息 [ 1 ] 。将图像融合 量 X 射线图像融合中表现良好。
技术应用到多能量 X 射线图像中, 可以将工业器件
1 相关理论
在不同射线能量透照下的有效信息显示在 一幅图
中, 提升图像的信息量, 为观察提供便利。目前的图 1.1 引导滤波
像融合算法一般可分为基于多尺度变换、 基于稀疏 引导滤波是一种新的边缘保持滤波器, 其引导
表示、 基于神经网络以及上述方法结合的混合模式。 图像的局部线性变换, 可以实现图像边缘的平滑、 细
赵贺等 [ 2 ] ( 2021 年) 提出了一种基于非下采样轮廓 节增强等功能, 具有视觉质量好、 速度快和易于实现
波变换( NSCT ) 与离散小波变换( DWT ) 的 脉冲耦 等特点, 已成为目前最受关注的滤波方法之一 [ 9 ] 。
合神经网络( PCNN ) 医学图像融合算法, 有效提升 文献[ 4 ] 最早将引导滤波运用于图像融合。引
了融合图像的对比度并保留源图像的细节信息。董 导滤波是一种局部线性滤波器, 引导图像的梯度可
安勇等 [ 3 ] ( 2019 年) 提出了一种卷积稀疏表示和邻 以被传递到输出图像, 边缘细节因此得到保留。引
域特征结合的多聚焦图像融合算法, 有效地提取了 导滤波的数学公式为

GF ( 1 )
I p = a k G p + b k , ∀ p ∈ w k
源图像更深层次的清晰测度信息。李雨晨等( 2021
年) 提出了一种基于卷积神经网络( CNN ) 和加权最 式中: I GF 为经过引导滤波的输出图像; G 为引导图
小二乘法( WLS ) 的医学图像融合算法, 使融合图像 像; 下标 p 和k 为像素的空间位置; w k 为以k 为中
包含更多的视觉细节信息和具有更高的对比度。 心的窗口; a k 和b k 是 w k 中的两个常数, 目的是使
图像融合技术经历了由单一到复杂的演 变过 输出图像和输入图像的差距最小化。
程, 有了很大的进展。边缘保持滤波器由于具有在 a k 和 b k 可通过式( 2 ) 来求解。
2
保持边缘的同时可以平滑图像的特性, 被成功运用 ar g min a , b [( a k G k + b k - I p ) τa k ]( 2 )
2
-
k ∑
k
p∈w
到图像融合中。 LI等 [ 4 ] ( 2013 年) 提出一种基于引 k
式中: I 为输入图像; τ 为正则化参数, 防止 a k 过
导滤波的图像融合算法, 首次将引导滤波用于权重
大。
图的构造, 解决了初始权重图中目标边缘未对齐的
根据式( 2 ) 求解出a k 和 b k 的值为
问题。 MA 等 [ 5 ] ( 2017 年) 提出一种基于滚 动引导
1 - 2
∑
滤波( RGF ) 和高斯滤波器的图像融合算法, 将输入 a k = w p∈w G p I p - μ k I k ( σ k + τ ) ( 3 )
图像分解为基本层和细节层, 使用基于视觉显著性 k - ( 4 )
b k =I k -a k μ k
图( VSM ) 和加权最小二乘( WLS ) 优化的多尺度融 式中: 2 内的像素均
μ k 和 σ k 为引导图像G 在窗口w k
合方 法,克 服 了 传 统 方 法 的 一 些 常 见 缺 陷。 - 为输入图
值与方差; w 为 w k 的像素点个数; I k
SHARMA 等 [ 6 ] ( 2017 年) 基 于 双 边 滤 波 和 加 权 最 内的像素平均值。
像 I 在窗口w k
小二乘滤波的融合方法进行图像处理, 最终得到的 内, 输出的图
由式( 1 ) 可知, 在不同的窗口 w k
结果 具 有 较 好 的 视 觉 表 现 力。 羊 肇 俊 等 [ 7 ] ( 2021 和
像会发生变化。为了解决这个问题, 对所有的a k
年) 提出基于加权最小二乘滤波和引导滤波的铸件 按式( 5 ) 取平均。
b k

X 射线 DR ( 数字射线成像) 图像融合算法,使用具 GF - - ( 5 )
I p =a p G p +b p
有边缘保护性质的滤波提取细节图中包含的信息,
-
式中: - 1 a k b p = 1 。
;
a p =
结合拉普拉斯滤波和高斯滤波来获取显著图, 最后 w ∑ w ∑ b k
k∈w
p k∈w p
的结果有更好的视觉效果。刘明葳等 [ 8 ] ( 2021 年) 1.2 加权最小二乘滤波
采用各向异性导向滤波获得基础图和细节图, 有效 加权最小二乘滤波是一种非线性滤波器, 能够
去除了噪声和抑制光晕伪影。 在平滑图像的同时保护图像边缘, 并且在多尺度的
上述算法虽然在一定程度上提升了融合图像的 细节处理上具有出色的表现力 [ 7 ] 。该算法最早见于
质量, 但都不适用于复杂结构件多能量 X 射线图像 文献[ 10 ]。加权最小二乘滤波是一种全局滤波器,
5
3
2022 年 第 44 卷 第 9 期
无损检测