Page 72 - 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

S 1 x )
i ( = ( 3 )通过像素显著性的对比, 计算初始的粗略
S 2 x )
i
, 。
i
i ( 权重图 P 1 P 2

i
i
i
i
i
i
( ,)
( ,)
i
H 1x -H 11 + H 1x -H 12 + … + H 1x -H 1n , i ( ,) 1 , S 1 p q >S 2 p q ( 23 )
i
i
i
i
i
i
H 2x -H 21 + H 2x -H 21 + … + H 2x -H 2n P 1 p q = i ( ,) i ( ,)

i
0 , S 2 p q >S 1 p q
(,,…, N )
i= 01 ( 21 ) i i
(,,…, N )
,
P 2 = 1-P 1 i= 01 ( 24 )
由式( 21 ) 可知, 若两个像素点的像素强度值相
由于初级权重图中仍包含噪声, 故采用引导滤
同, 则这两个像素点的像素显著值也相等。因此式 i i
, 为引导图像, 初级权重
波对其进行优化。以I 1 I 2
( 21 ) 可以改写为
图为输入图像, 经引导滤波优化后可获得最终的权
L- 1
i
i
∑ M m H 1x -H 1m 重图, 表示为
S 1 x )
i ( m=0 i i
, , , )
= , W 1 GF ( P 1 I 1 σ sσ r
(,,…, N )( 25 )
i
S 2 x )
( L- 1 i i i = i , , , ) , i= 01
i

2
i
2
∑ M m H 2x -H 2m W 2 GF ( P 2 I 2 σ sσ r
m=0 i i 进行归一化处理, 即可
(,,…, N )
i= 01 ( 22 ) 将获得的权重 W 1 和 W 2
- i - i 。以基础层为例, 权重
为强度等于 m 的像素数; 得到加权映射权重 W 1 和 W 2
式中: m 为像素强度; M m
图构造流程如图 4 所示。
L 为灰度级数。
图 4 权重图构造流程
2.3 图像融合 从主、 客观两方面与所提方法进行对比。这 5 种算
融合基础层和融合细节层由加权映射 计算得 法包括文献[ 11 ] 所提出的基于结构块分解的图像融
到, 分别表示为: 合算法( SPD ), 文献[ 12 ] 所提的基于尺度不变特征
- i - i , ( 26 ) 变换和引导滤波的图像融合算法( SIFT-GF ), 文献
B =W 1 b 1 +W 2 b 2 i= 0
N [ 13 ] 所 提 的 基 于 各 向 异 性 扩 散 的 图 像 融 合 算 法

- i
(,,…, N )
i
i
- i
i
D = ∑ ( W 1 d 1 +W 2 d 2 ), i= 12 ( ADF ), 文献[ 14 ] 所提的基于多分辨率奇异值分解
i =1
( 27 ) 的图像融合算法( MSVD ), 文献[ 5 ] 所提的基于视觉
- i - i i i 为细节
式中: W 1 和 W 2 为最终加权映射; d 1 和 d 2 显著性图和加权最小二乘的图像融合算法( VSM-
层图; B 为基础层融合结果; D 为细节层融合结果。 WLS )。试验使用的软件 MATLAB2018a 。
i
最后, 将融合后的基础层 B 与融合后的细节层 3.1 主观评价
i
D 相加, 得到融合结果 F , 即 3个器件不同方法 DR 图像的融合结果如图 5~
i
1
2
F =B +D +D + … +D , 7所示。为了更清晰地比较, 框出了一些细节并将
(,,…, N )
i= 12 ( 28 ) 其放大。
由图 5~7 可以看出, 通过 SPD 方法获得的融
3 试验结果与分析
合图像的完整性良好, 但是清晰度不够高, 器件的细

为进一步验证文章所提方法的优越性, 选择了 节信息损失严重; SIFT-GF 方法处理的融合图像亮
3 组 DR 图像进行融合试验。同时, 为了验证算法 度较低, 在观察器件较厚区域的细节时有一定困难;

的优势, 文章选取了 5 种其他常见的图像融合算法, 通过ADF 方法获得的融合图像总体上较暗, 细节信
8
3
2022 年 第 44 卷 第 9 期

无损检测