一種多聚焦圖像融合方法
2023-05-07 22:03:16 1
一種多聚焦圖像融合方法
【專利摘要】本發明公開了一種多聚焦圖像融合方法。該方法首先對多聚焦圖像進行魯棒主成分分析分解得到與源圖像相對應的稀疏成分矩陣；其次，對稀疏成分矩陣加權平均，得到一個臨時稀疏成分矩陣並對臨時稀疏成分矩陣進行四叉樹分解；根據QT分解結果計算源圖像稀疏成分矩陣對應矩陣子塊的梯度能量，通過比較梯度能量大小構造融合決策矩陣；最後，根據決策矩陣將源圖像對應圖像子塊合併，從而得到融合圖像。該方法通過RPCA和QT分解相結合的方法，解決了圖像塊大小不能自適應劃分的問題，可以有效抑制塊效應，提高圖像融合質量。
【專利說明】一種多聚焦圖像融合方法
【技術領域】
[0001]本發明屬於圖像處理【技術領域】，具體涉及的是一種多聚焦圖像融合方法。
【背景技術】
[0002]多聚焦圖像融合就是對經過配準的相同成像條件下獲得的關於某一場景中的多幅聚焦圖像，採用某種融合算法提取各自的清晰區域，並將這些區域合併生成一幅該場景中所有目標物都清晰的圖像。在交通、醫療、安全、物流等領域有廣泛應用。可有效提高傳感器圖像信息的利用率和系統對目標表探測識別的可靠性。
[0003]像素級圖像融合直接在原始圖像像素灰度空間上採用合適的融合算法進行融合處理，主要目的是為後續的圖像增強、圖像分割和圖像分類處理提供支持。像素級圖像融合算法與特徵級圖像融合和決策級圖像融合相比，準確性最高，信息損失最小，能夠提供更多特徵級和決策級圖像融合所不具有的細節信息。
[0004]隨著計算機和成像技術的不斷發展，近年來逐漸形成了以下幾種較為常用的像素級多聚焦圖像融合算法:
[0005](I)基於小波變換(Discrete Wavelet Transform, DWT)的多聚焦圖像融合方法。其主要過程是對源圖像進行小波分解，然後採用合適的融合規則，將高頻和低頻係數進行融合，將融合後的小波係數進行小波逆變換得到融合圖像。該方法具有良好的時頻局部特性，取得了不錯的效果，但DWT不能充分利用圖像數據本身所具有的幾何特徵，不能最優或最「稀疏」的表示圖像。
[0006](2)基於非下米樣的輪廓波變換(Nonsubsampled Contourlet Transform, NSCT)的多聚焦圖像融合方法。其主要過程是對源圖像進行NSCT分解，然後採用合適的融合規貝U，將高頻和低頻係數進行融合，將融合後的小波係數進行NSCT逆變換得到融合圖像。該方法可取得不錯的融合效果，但運行速度較慢，分解係數需要佔用大量的存儲空間。
[0007](3)基於主成分分析(Principal Component Analysis, PCA)的多聚焦圖像融合方法。其主要過程是將源圖像按照行優先或者列優先轉換成列向量，並計算協方差，根據協方差矩陣求取特徵向量，確定第一主成分對應的特徵向量並據此確定各源圖像融合的權重，根據權重進行加權融合。該方法簡單，運行速度快，但卻容易降低融合圖像對比度，影響融合圖像質量。
[0008](4)基於空間頻率(Spatial Frequency, SF)的多聚焦圖像融合方法。其主要過程是將源圖像進行塊分割，然後計算各塊SF，對比源圖像對應塊的SFJf SF值大的對應圖像塊合併得到融合圖像。該方法簡單易於實施，但分塊大小難以自適應確定，分塊太大，易將焦點外的像素都包含進來，降低融合質量，使融合圖像對比度下降，易產生塊效應，分塊太小對區域清晰程度表徵能力受限，易出現塊的錯誤選擇，且對噪聲敏感。
[0009](5)基於脈衝f禹合神經網絡(Pulse Coupled Neural Network, PCNN)的多聚焦圖像融合方法。其主要過程是將單個像素灰度值作為PCNN的外部輸入激勵，根據PCNN的點火圖，計算輸入像素對應的點火頻率，將具有較大點火頻率的像素合併，得到融合圖像。該方法可自動實現信息傳遞和信息耦合，其處理結果可較好保留圖形本身的特徵。但該方法參數較多，模型複雜，運行比較耗時，另外，人眼視覺對圖像邊緣的變化比較敏感而對單個像素的亮度並不敏感，單個像素的灰度值作為PCNN神經元的外部輸入所產生的融合圖像效果並不理想。
[0010]上述五種方法是較為常用的多聚焦圖像融合方法，但這些方法中，小波變換(DWT)不能充分利用圖像數據本身所具有的幾何特徵，不能最優或最「稀疏」的表示圖像，易造成融合圖像出現偏移和信息丟失現象。基於非下採樣的輪廓波變換(NSCT)方法由於分解過程複雜，運行速度較慢，另外分解係數需要佔用大量的存儲空間。主成分分析(PCA)方法容易降低融合圖像對比度，影響融合圖像質量。脈衝耦合神經網絡(PCNN)方法參數較多，模型複雜，運行比較耗時。這五種常用都存在著不同的缺點，速度和融合質量間難以調和，限制了這些方法的應用和推廣。
【發明內容】
[0011]本發明所要解決的技術問題是多聚焦圖像融合領域中由於不能自適應確定圖像分塊大小而造成的融合圖像出現塊效應，融合效果不甚理想的問題。為此，本發明提供了一種多聚焦圖像融合方法，該方法對配準後的多聚焦圖像Ia和Ib進行融合，Ia和Ib均為灰度
圖像，且
【權利要求】
1.一種多聚圖像融合方法，該方法對配準後的多聚焦圖像Ia和Ib進行融合，Ia和Ib均為灰度圖像，且^ RMxfi是大小為MXN的空間，M和N均為正整數，該融合方法包括以下步驟: (1)對Ia進行列向量轉換得I』A，對Ib進行列向量轉換得I』B，ZpZse R w S 是大小*ΜΝ>α的空間； 分別對I』 A和I』 B進行魯棒主成分分析分解，得到I』 a的稀疏成分矩陣E'a、I』 B的稀疏成分矩陣E'b E^Eb G Μμλ?χ1； 對Ε'α進行向量轉換得匕，對E'B進行向量轉換得匕，&,&； (2)利用四叉樹分解將臨時稀疏成分矩陣Etl分解成K個矩陣子塊，E0= (Ea+Eb)/2, K為正整數； 根據臨時稀疏成分矩陣Etl四叉樹分解結果，分別對稀疏成分矩陣Ea和Eb進行塊劃分，塊劃分後的各矩陣子塊同臨時稀疏成分矩陣Etl的各矩陣子塊大小相同、位置一致，稀疏成分矩陣Ea與Eb的大小相同、位置一致的矩陣子塊具有相同序號； (3)計算稀疏成分矩陣Ea的各矩陣子塊的梯度能量，計算稀疏成分矩陣Eb的各矩陣子塊的梯度能量； (4)構建決策矩陣//，//e Rmxjv:
2.如權利要求1所述的多聚焦圖像融合方法，其特徵在於，對步驟(4)中構建的決策矩陣進行腐蝕膨脹操作處理，並利用處理後的決策矩陣構建融合圖像。
【文檔編號】G06T5/50GK103455991SQ201310369954
【公開日】2013年12月18日 申請日期:2013年8月22日 優先權日:2013年8月22日
【發明者】陳莉, 張永新, 唐曉芬, 牛發發, 李亮, 尚軍, 王珊珊, 周琳, 呂英傑, 劉健, 李青 申請人:西北大學