لمعالجة مشاكل ضبابية الحواف والأشباح في خوارزميات دمج الصور متعددة التركيز التقليدية، قدمنا خوارزمية دمج صور متعددة التركيز تجمع بين طاقة لابلاس المحسّنة و (SML) وصورة التفاضل. أولاً، لاستخلاص ميزات التركيز من الصور المصدر، تم قياس درجة التركيز باستخدام SML والتصفية التفاضلية، ثم تم استخدام التصفية الموجهة للحصول على مزيد من ميزات التفاصيل؛ بعد ذلك، استُخدم قانون القيم القصوى للبكسل لإنشاء خريطة قرار اندماج أولية، ثم إزالة المناطق الصغيرة منها للقضاء على الضوضاء الناتجة عن تشابه المناطق المركزة وغير المركزة، ومعالجة عدم الاتساق في خريطة القرار للحصول على مناطق التركيز بدقة أعلى؛ وأخيراً، باستخدام قاعدة المتوسط الوزني لكل بكسل، تم الحصول على صورة الدمج. تظهر النتائج التجريبية أن الخوارزمية المقترحة تتفوق على الخوارزميات المقارنة من حيث التأثير البصري والمعايير الموضوعية، حيث تحسن معلومات التبادل، والمعلومات المتبادلة للميزات، وميزات تدرج الصورة في الصور الملونة بنسبة 0.17٪، 0.38٪، و0.11٪ على التوالي، وفي الصور الرمادية بنسبة 0.7٪، 0.69٪، و0.33٪ على التوالي، كما أن متوسط زمن التشغيل أقل من 0.5 ثانية، مما يدل على كفاءة حسابية عالية. بالإضافة إلى ذلك، تحتفظ الخوارزمية بسلامة معلومات الصورة المصدر بشكل جيد، مع حواف صور مدمجة واضحة وخالية من الأشباح.

دمج الصور متعددة التركيز; طاقة لابلاس المحسنة; صورة التفاضل; كشف مناطق التركيز