[发明专利]一种基于小波域统计信号的图像融合处理方法

权利要求书

1.一种基于小波域统计信号的图像融合处理方法，其特征在于该方法包括以下步骤：

(1-1)对待融合的一组初始图像中的每个图像分别进行N层小波分解，分别得到每个初始图像的低频尺度系数和每个初始图像在水平方向、垂直方向和对角方向上的N层高频小波系数；

(1-2)对初始图像的上述低频尺度系数进行加权融合，对显著性高的图像尺度系数赋予大的权值，得到融合的低频尺度系数；

(1-3)设各初始图像的高频小波系数为“模糊”的真实图像的高频小波系数与非高斯噪声之和，对上述初始图像在水平方向、垂直方向和对角方向上的N层高频小波系数分别建立隐马尔可夫树模型，使用期望最大的迭代算法对真实图像的高频小波系数进行估计，得到融合的高频小波系数；

(1-4)将上述融合的低频尺度系数和融合的高频小波系数进行小波逆变换，得到融合图像。

2.如权利要求1所述的方法，其提特征在于所述的步骤(1-2)对初始图像的低频尺度系数进行加权融合的方法，包括以下各步骤：

(2-1)设z_i为第i幅初始图像的低频子带位于坐标(u，v)处的尺度系数，则初始图像的尺度系数的显著性为：Ωi=Σs=-22Σt=-22p(s+3,t+3)[zi(u+s,v+t)]2,]]>其中，

p=14811111122211216211222111111,]]>i＝1，…，q，s＝-2，…，2，t＝-2，…，2；

(2-2)根据上述尺度系数的显著性，得到坐标(u，v)处各幅初始图像的加权值为：λi=Ωi/Σi=1qΩi;]]>

(2-3)根据上述各幅初始图像的加权值，得到坐标(u，v)处的融合低频尺度系数为：w=Σi=1qλizi.]]>

3.如权利要求1所述的方法，其提特征在于所述的步骤(1-3)得到融合的高频小波系数的方法，包括以下各步骤：

(3-1)设各初始图像在X方向上的高频小波系数为z_i，k(j)＝β_i，k(j)w_k(j)+ε_i，k(j)，其中，X＝HL、LH或HH，z_i，k(j)表示第i幅初始图像在X方向上的第k棵小波树上第j个节点处的小波系数，k＝1，…，K，K为初始图像在X方向上的小波树总数，j＝1，…，P，P为每棵小波树上的节点总数，一般P＝(4^N-1)/3，w_k(j)表示真实图像在X方向上的第k棵小波树上第j个节点处的小波系数，即待估计的融合后小波系数，β_i，k(j)为“模糊因子”，-1≤β_i，k(j)≤1，ε_i，k(j)为加性非高斯噪声，由零均值和M态高斯混合模型拟合得到；

(3-2)使用期望最大算法推导出迭代公式，迭代估计上述参数，得到真实图像在X方向上的小波系数w_k(j)，即融合后的小波系数。