[发明专利]基于梳状波和拉普拉斯塔形分解的多源图像融合方法

说明书

技术领域

本发明属于图像处理技术领域，涉及该技术在多源图像融合领域中的应用，具体地说是一种基于梳状波和拉普拉斯塔形分解的多源图像融合方法。该方法可用于合成孔径雷达SAR图像、航拍图像、医学图像和红外图像的预处理阶段。

背景技术

图像融合是数据融合的一个重要分支。各种单一传感器获取的图像数据在几何、光谱、时间和空间分辨率等方面存在明显的局限性和差异性，所以仅仅利用一种传感器图像数据是难以满足实际需求的，特别是在未来战争中，电磁环境将异常复杂，无论是空战、海战还是陆战以至于陆、海、空相结合的立体战争，都将日益依赖于各种传感器设备。为了对观测目标有一个更加全面、清晰、准确的理解与认识，人们迫切希望寻求一种综合利用各类图像数据的技术。因此把不同的图像数据的各自优势和互补性综合起来加以利用就显得非常重要和实用。多源图像融合可以用于SAR图像，航拍图像，医学图像，红外图像的处理，对国民经济的发展，国防现代化的建设都有实际的作用。因此，关于多源图像融合技术的研究具有重要的战略意义和社会效益。

目前应用最为广泛的多源图像融合方法是基于小波变换的方法。该方法首先将源图像进行小波变换，得到包含源图像细节信息的高频分量和包含源图像光谱信息的低频分量，然后用不同的融合算子分别对源图像的高频分量和低频分量进行融合，得到融合图像的高频分量和低频分量，最后对融合图像的高频分量和低频分量进行小波逆变换，得到最终的融合图像。

但是随着研究的深入，人们发现小波变换不能充分利用图像本身特有的几何特征，不是最优的或者说最稀疏的函数表示方法。小波变换在表示点状奇异性是最优的，而对于图像中边缘、轮廓，曲线等这些二维信息的表示却不是最优的，导致大量无效的分解。而且小波变换不具有平移不变性，这样就导致了对含有线状区域的目标进行融合时，会在融合图像的边缘附近产生模糊现象和锯齿状效应，影响融合图像的视觉效果。

纹理是图像中最为常见，也是最为重要的特征之一，如遥感图像中的各种地貌特征、农作物、人工地物和居民区等，都可以看作为具有一定分布范围、方向和粗细度的纹理，医学图像中各种组织和器官也呈现出不同的纹理。梳状波Brushlet变换是一种新的图像分析工具，可以有效地捕捉图像的方向纹理信息。在图像融合中，利用Brushlet变换可以避免，在融合图像中产生使用小波变换对图像融合时，在融合图像中产生的边缘模糊及锯齿现象。然而在使用Brushlet变换对图像进行融合时，会在融合图像的均匀区域引入一种条纹状失真，特别是在待融合的多源图像的对比度差别很大的时候，条纹状失真非常严重，影响到融合图像的视觉效果。因此有必要研究一种新的融合方法，能够有效抑制或避免融合图像的失真。

发明内容

本发明的目的在于：为了克服现有技术中，简单地采用基于变换的方法在融合图像中存在引入失真的问题，提出了一种基于梳状波和拉普拉斯塔形分解的多源图像融合方法，该方法可以充分提取图像的纹理特征，对纹理区域和边缘区域有很好的融合效果，并且能够抑制融合图像中的条纹状失真。

本发明的技术方案是：首先对源图像作拉普拉斯分解，将源图像拉普拉斯分解系数的低频分量直接进行平均，作为最终融合图像拉普拉斯分解系数的低频分量，然后对源图像低频分量置零后的拉普拉斯系数作逆塔形变换，得到仅含有源图像高频信息的图像，对该图像在Brushlet变换域中进行融合，得到仅含有源图像高频信息的融合图像，对这幅融合图像进行拉普拉斯塔形分解，提取分解系数中高频分量作为最终融合图像拉普拉斯塔形分解系数的高频分量，利用得到的最终融合图像拉普拉斯分解系数的低频分量和高频分量，作逆塔形变换，得到最终的融合图像。本发明技术方案的具体实现过程如下：

(1)、输入源图像I₁(x，y)和I₂(x，y)，分别对其进行拉普拉斯塔形分解，得到源图像的拉普拉斯塔形分解系数，其中包括低频分量和高频分量，源图像I₁(x，y)的拉普拉斯塔形分解系数的低频分量和高频分量分别表示为L₁和H₁，源图像I₂(x，y)的拉普拉斯塔形分解系数的低频分量和高频分量分别表示为L₂和H₂；