Page 71 - 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

图 2 融合算法框架

在分解过程中易有光晕伪影产生, 可以利用非线性 d =w GF D GF +w WLS D WLS i= 12
i
,
i
(,,…, N )
i
边缘保持滤波器减少伪影。受文献[ 8 ] 的启发, 引入 ( 19 )
多尺度的方式, 采用 GF 和 WLS 两种滤波方式分别 多尺度图像分解流程如图 3 所示。

提取两幅待融合的多能量 X 射线图像中的细节信
息。具体过程如下所述。
( 1 )对输入图像U 进行平滑处理得到对应的平

, 将平滑后的图像作为下一级平
滑图像U GF 和U WLS
滑处理的输入图像。 图 3 多尺度图像分解流程

j j - 1 , j - 1 , j - 1 , ), (,,…, N )
2
U GF =GF ( U GF U GF σ s σ r j= 12 文章直接将源图作为基础层图像, 在细节层与
( 13 ) 源图像进行叠加的同时, 可以达到图像增强的目的。

j - 1 j , (,,…, N ) ( 14 )
σ s = 2σ s j= 12 2.2 基于相位一致性及像素对比度的权重图构造

U WLS =WLS ( U WLS λ , α ), (,,…, N ) 将相位一致性引入图像融合框架, 可以提升融
,
j - 1
j
j= 12
( 15 ) 合图像的视觉效果。
式中: U 为第 j 级滤波图像; U 为源图像; N 为分 对基础层和细节层图像分别构造权重图, 假设
j
0
解层数, 设置 N=4 。 0 , ) i , ) i , ), 其中 i= ( 1 ,
i
i
0
, ),( I 1 I 2 = ( d 1 d 2
( I 1 I 2 = ( b 1 b 2
分别控制滤波的空间 i i
引导滤波器通过σ s 和σ r , 为输入图像。构造过程如下所述。
2 ,…, N ), I 1 I 2
范围权重与强度差范围权重。加权最小二乘滤波通 i i
, 进行相位一致性计算,
( 1 )对输入图像I 1 I 2
过λ 和 α 控制输出图像的平滑程度和边缘的锐化程 i i 为
,
其显著图 H 1 H 2
度。
( )
H 1 P C I 1
(,,…, N ) ( 20 )

( 2 )为了获取图像的多尺度细节信息, 用输入 i = i , i= 01
( )
H 2 P C I 2
i
i
图像减去平滑后的图像得到细节信息, 使用两种滤 ( 2 )选择使用像素对比度进一步准确地提取图

i i 分别为
像的显著特征, 同时达到了去除相位一致性引入的
波器获得的第i 层细节信息D GF 和 D WLS

i j - 1 j
(,,…, N ) ( 16 )
,
D GF = U GF -U GF j= 12 噪声的目的,在突出显著区域的同时弱化不必要的
,
i j - 1 j
(,,…, N ) ( 17 )
D WLS = U WLS -U WLS j= 12 细节。采用文献[ 6 ] 的方法第二次构造显著图( 因为
将源图作为基础层b 这种方法便捷快速)。该算法基于图像中每一个像
b= U 0 ( 18 ) 素与图中所有其他像素的对比度来构造显著图 S 。

( 3 )对两种滤波提取出的细节信息进行加权平 n 为 图 像 的 总 像 素 数 量, H 1x H 2x 为 图 像
i
,
i

(
均得到最终的细节层图像, 设置权重 w GF=w WLS= i , i 中像素x 的值, x 的显著值 S 1 x ), S 2 x )
(
i
i
H 1 H 2
0.5 , 则第i 层细节d 为 定义公式为
i
7
3
2022 年 第 44 卷 第 9 期
无损检测