1 内容介绍
近年来，随机游走模型(random walk)引导滤波器(guided filter)研究人员广泛关注图像处理领域。前者已应用于图像处理的各个领域——图像集成、图像光滑、图像增强、图像分割等，并取得了良好的效果；后者因其优异的边缘平滑效果而受到越来越多研究人员的青睐。本文提出了两种多关注图像集成算法，这两种算法有一个相似之处，即在图像集成领域使用随机游走模型和引导滤波器，以充分发挥它们的优良特性。本文主要提出了两种基于随机行走和引导滤波器的多聚焦集成算法：第一种算法首先使用随机行走滤波器分解源图像，然后使用随机行走滤波器和引导滤波器分别获得细节层图像和基础层图像的初始值；然后将相应的两个初始值与细节层的最终值结合起来；最后，最终的集成图像通过加权平均再加的步骤获得。第二种算法是利用随机游走滤波器分解源图像。第二种算法是使用随机游走滤波器分解源图像。然后使用引导滤波器优化初始值，获得中间值，然后使用随机游走滤波器优化中间值，获得最终值。最后，通过加权平均得到集成图像。
2 仿真代码
function [map1,map2] = Multiscale_ST(I1,I2,sigma1,sigma2)if ~exist('sigma1','var')sigma1 = 3;endif ~exist('sigma2','var')sigma2 = 8;end[dx1, dy1] = GradientMethod(I1, 'zhou');[dx2, dy2] = GradientMethod(I2, 'zhou');dxdy1 = dx1 1i*dy1;dxdy2 = dx2 1i*dy2;[~, ~, measure1_sigma1, measure2_sigma1] = WeightGradient(dxdy1, dxdy2, sigma1);map1 = double(measure1_sigma1 > (measure2_sigma1 0));[~, ~, measure1_sigma2, measure2_sigma2] = WeightGradient(dxdy1, dxdy2, sigma2);map2 = double(measure1_sigma2 > (measure2_sigma2 0));
3 运行结果
4 参考文献
[1]马金磊， 徐永强, 李雷,等. 红外与可见光图像的融合，基于随机游走算法[J]. 电光控制， 2021, 28(10):5.
[2]贺养慧. 基于加权焦点的多焦点图像集成算法[J]. 兵工自动化， 2018, 37(3):8.
[3]郭盼, 何文超, 弓馨,等. 多焦点图像集成算法[J]. 科技资讯, 2017, 15(24):2.
[4]陈丽娜. 多聚焦图像集成算法研究基于随机行走和引导滤波[D]. 兰州大学.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等领域Matlab仿真，相关matlab私信可以交换代码问题。
如些理论引用网络文献，如有侵权联系博主删除。