[发明专利]一种基于仿生视觉机理的多源图像融合方法

权利要求书

1.一种基于CNN的彩色图像边缘提取方法，采用CNN模型在对二值、灰度图像研究的基础上对彩色图像进行有效地边缘提取；选取RGB彩色空间进行处理，并充分考虑人眼的视觉特性与颜色分量之间的矢量角度差，从而得出一种新的颜色距离公式，并以此参数作为设定反馈模板与控制模板的重要依据，为CNN的图像边缘提取过程提供了重要的参数依据；其特征在于，该方法具体步骤如下：

第一步：选取彩色空间，进行像素间距离的计算；

第二步：设定反馈模板A及控制模板B；根据颜色距离U与阈值z关系确定模板A和B；

第三步：设定边缘点判定准则；对细胞神经网络；进行稳定性及动态性分析，结合颜色距离U，设定边缘点判定准则；

第四步：图像处理；将彩色图像代入细胞神经网络状态方程进行迭代，并在迭代的过程中随时判断状态细胞的状态是否收敛；

第五步：输出边缘图像；如果符合边缘点判定准则并且细胞状态收敛，则输出为边缘，否则为背景；边缘用白色表示，背景用黑色表示。

2.根据权利要求1所述的基于CNN的彩色图像边缘提取方法，其特征在于：本方法采用RGB彩色空间；在RGB彩色空间中对每个像素与其周围8个像素分别计算距离U，距离公式采用基于视觉感知的矢量角度色差公式：

  

(2)显著度：显著度、是源图像A和B在(x, y)位置上所对应的显著性大小；

(3)融合规则：如果能量匹配度小于相似性阈值，融合系数选择两幅图像中的最大的小波系数；若能量匹配度大于相似性阈值，说明该位置的信息很重要，则融合系数采用加权平均的方法来获得，权重是由显著度来决定的；

                                                。

3.根据权利要求1所述的基于仿生视觉机理的多源图像融合方法，其特征在于，高频系数的选取步骤为：

高频方向存在显著大系数，对应图像中的强边缘，强区域轮廓及纹理等，考虑到融合中可能遇到高频小波系数来源不一致的问题，引入了全局匹配度的概念，用它来表明两幅图像的相关性，保证小波分解的高频三个部分系数的来源一致，从而确保小波重构过程的一致性；

(1) 、分别是源图像A、B在方向上位置为(m,n)的高频系数，、是源图像A、B在区域Q,中心为(m,n)的区域能量，是和的匹配度； 

其中分别代表水平、垂直和对角三个方向；

区域Q是一个3×3大小的窗口；由于对角方向的高频既有水平方向，也有垂直方向，因此其加权系数要比其它两个方向大；

(2) 融合规则：

、、和、、分别是源图像A和B在小波分解中高频三个方向的区域能量；

。