[发明专利]基于提升小波变换和像素区域相关性的图像融合方法

说明书

技术领域

本发明属于数字图像处理方法，尤其涉及一种可提高多聚焦图像和医学图像融合质量的基于提升小波变换和像素区域相关性的图像融合方法。

背景技术

图像融合是以图像为研究对象的信息融合，它是把对同一目标或场景经不同传感器获得的不同图像，或者经同一传感器通过不同的成像方式或在不同时间获得的不同图像，融合成一幅图像的过程。与原图像相比，新的图像能反映多重原始图像的信息，是对目标和场景的综合描述，进而更适合视觉感知或计算机处理。图像融合作为一门综合了传感器、信号处理、图像处理和人工智能等技术的新兴学科，其应用领域遍及机场导航、对地观测、智能交通、地理信息系统、安全监控、医疗诊断等众多领域。

图像融合通常可分为三种类型，即像素级图像融合、特征级图像融合和决策级图像融合。像素级融合是直接作用于图像像素点的最底层融合，它不仅有简单快速的特点，也是特征级图像融合和决策级图像融合的基础。因此，对于像素级图像融合的研究具有很好的应用价值和理论意义。

自上世纪90年代以来，由于小波变换在图像处理领域的广泛应用，众多学者对基于小波的像素级图像融合算法展开了广泛的研究。小波变换是一种多分辨率、多尺度的时频局部化分析工具，符合人眼视觉系统处理图像信号的特点，它不仅可以提取不同尺度上的显著特征，而且能够利用人眼对不同方向的高频分量具有不同分辨率这一特性，获得视觉效果更佳的融合图像。因此，小波变换用于图像融合的可行性得到了广泛的认同，并且被成功地应用于图像融合领域。

对于图像融合方法，融合规则和融合算子的选择是当前研究的热点和难点。按照融合规则和融合算子的不同，现有多种基于小波的图像融合方法，如加权平均的图像融合方法和区域图像融合方法等。前者通过对小波变换后的低频子带系数和高频子带系数进行加权得出融合系数，简单直观、适合实时处理。但是，其不足之处在于：只是将待融合系数进行孤立的加权处理，却忽略了相邻小波系数间的区域相关性，进而导致融合精度的降低；后者对于待融合图像的低频子带小波系数采用加权平均的融合规则，而对于高频子带系数则通过对系数区域特征的比较和判断，进而确定高频融合系数。这类方法有效地利用了同一子带内小波系数的局部相关性，相比于加权平均的图像融合方法具有较强的捕捉高频子带边缘系数的能力，取得了较好的融合效果。但是还存在着以下不足：第一，图像经小波变换后的低频系数集中了原图像的大部分能量，对低频系数采用加权平均融合规则会影响融合图像的质量；第二，所有高频子带的待融合系数均通过比较高频系数的区域特征来确定融合系数，然而各个高频子带内的相邻系数分布呈现出明显的方向特征，若融合过程中对八邻域系数同等对待，难免也会降低融合精度。

发明内容

本发明是为了解决现有技术所存在的上述技术问题，提供一种可提高多聚焦图像和医学图像融合质量的基于提升小波变换和像素区域相关性的图像融合方法。

本发明的技术解决方案是：一种基于提升小波变换和像素区域相关性的图像融合方法，其特征在于按如下步骤进行：

a. 将待融合的两幅图像分别进行相同级数的提升方案小波变换；

b. 获得低频子带的所有融合系数：

b.1对于每个待融合的低频系数，计算每幅待融合图像对应位置上低频系数的八邻域方差                                                ：

 b.2计算待融合系数对应的和沿着水平方向的一步相关系数：

，

b.3计算待融合系数对应的和沿着竖直方向的一步相关系数：

 b.4计算待融合系数对应的和沿着对角线方向的一步相关系数：

，

 b.5计算待融合系数的一步自相关系数：

 b.6比较待融合系数的一步自相关系数的大小，最终确定融合系数：

b.7遍历所有低频子带系数，重复执行b.1~b.6，最终获得低频子带的所有融合系数； 

c. 获得高频子带的所有融合系数：

c.1对于高频子带的每一个系数，按照方向模板，用下述公式计算待融合系数的方向邻域匹配度：

，

，

其中，表示图像中以为中心、沿着方向的方向邻域能量，表示待融合图像以为中心的方向邻域的匹配度；

c.2对于高频子带的每一个系数，利用如下公式计算待融合系数所在四叉树结构的匹配度：

，

，