Um Probleme wie unscharfe Kanten und Geisterbilder bei herkömmlichen Multi-Fokus-Bildfusion-Algorithmen zu lösen, wurde ein Multi-Fokus-Bildfusionsalgorithmus vorgeschlagen, der verbesserte Laplace-Energie und (SML) mit Differenzbildern kombiniert. Zunächst werden zur Extraktion der Fokuseigenschaften der Quellbilder Fokussierungsmaße mittels SML und gefilterter Differenz ermittelt, anschließend wird ein geführter Filter verwendet, um mehr Detailmerkmale zu erhalten; danach wird mit der Pixel-Maximalwert-Regel eine anfängliche Fusionsentscheidungsmap generiert, kleine Bereiche werden entfernt, um durch Ähnlichkeiten zwischen fokussierten und defokussierten Bereichen verursachten Lärm zu eliminieren, und die Entscheidungsmap wird inkonsistenzbehandelt, um genauere Fokusbereiche zu erhalten; schließlich wird das Fusionsbild nach der pixelweisen gewichteten Mittelwertregel erhalten. Experimentelle Ergebnisse zeigen, dass der vorgeschlagene Algorithmus sowohl hinsichtlich subjektiver visueller Effekte als auch objektiver Bewertungsmetriken den Vergleichsalgorithmen überlegen ist. Die gegenseitige Information, die Merkmal-Gegeninformation und die Bildgradientenmerkmale wurden bei Farbbildern um 0,17 %, 0,38 % und 0,11 % gesteigert und bei Graustufenbildern um 0,7 %, 0,69 % bzw. 0,33 %, wobei die durchschnittliche Laufzeit unter 0,5 s liegt, was eine hohe Berechnungseffizienz beweist. Darüber hinaus bewahrt der Algorithmus die Integrität der Quellbildinformationen gut, wobei die Kanten der Fusionsbilder klar und artefaktfrei sind.

Multi-Fokus-Bildfusion; verbesserte Laplace-Energie; Differenzbild; Focusbereichserkennung