[发明专利]一种基于NSST域IICM的多传感器图像融合方法

权利要求书

1.一种基于NSST域IICM的多传感器图像融合方法，其特征在于，该方法具体包括以下步骤：

步骤1，构建IICM模型，IICM模型的离散数学表达式如式1～式4所示：

F_ij[n]＝S_ij(1)

θ_ij[n]＝θ_ij[n-1]-Δ+hY_ij[n](3)

其中，下标ij为交叉视觉皮层神经元的定位标号；n为迭代次数，n的取值为非负整数；F_ij,S_ij,Y_ij,θ_ij分别是定位标号为ij的神经元的树突输入、神经元的外部输入、神经元的二值输出和动态阈值；S_ij采用图像中像素点对应的像素值；Δ为调整步长，取15；h为阈值幅度常数，取500；T为时间矩阵，其与神经元输出矩阵Y大小相等，其元素T_ij与Y_ij相联系，T_ij等于Y_ij为1时即神经元ij点火时所对应的迭代次数n的值；

步骤2，输入所有待融合的多传感器源图像，并对它们分别进行NSST变换，尺度分解级数为K，l_k为k尺度下的方向分解级数，其中1≤k≤K，每幅待融合多传感器源图像分别得到一幅低频子带图像和多幅高频子带图像；

步骤3，将所有高频子带图像和低频子带图像导入步骤1构建的IICM模型，根据预先设定的调整步长Δ，执行步骤3.1完成低频子带图像的融合，执行步骤3.2完成高频子带图像的融合；

步骤4，将步骤3获得的最终融合图像的高频子带图像和最终融合图像的低频子带图像进行NSST逆变换，得到最终融合图像。

2.如权利要求1所述的基于NSST域IICM的多传感器图像融合方法，其特征在于，所述步骤3中步骤3.1的具体步骤如下：

根据待融合多传感器源图像的低频子带图像，利用式5确定调整步长Δ_{n_low}，并利用式1～式4将各幅待融合多传感器源图像对应的低频子带图像分别导入IICM模型，从最左上角的神经元开始运行，遍历所有低频子带图像，记录每幅低频子带图像的时间矩阵T中的对应元素值T_ij，并利用式6确定最终融合图像的低频子带图像fuse_low：

fuse_lowij=arg{min(Tij1,Tij2,...,TijN)}---(6)]]>

其中，N代表待融合多传感器源图像的数目，为大于1的整数；Δ_{n_low}为第n幅待融合多传感器源图像所对应的低频子带图像的调整步长；下标ij为交叉视觉皮层神经元的定位标号；为第n幅低频子带图像中像素点的最大灰度值；“”为“向上取整”操作；fuse_low_ij为最终融合图像的低频子带图像中的像素点，为在相同像素点空间坐标ij处，每幅低频子带图像中对应时间矩阵T中的最小元素值；arg为“求逆”操作，即将N幅低频子带图像中相同像素点位置对应时间矩阵T中最小元素值的灰度值赋予最终融合图像的低频子带图像中的像素点。

3.如权利要求1所述的基于NSST域IICM的多传感器图像融合方法，其特征在于，所述步骤3中步骤3.2的具体步骤如下：

根据待融合多传感器源图像的高频子带图像，利用式7确定调整步长Δ_{n_high}，并利用式1～式4将各幅待融合多传感器源图像对应的高频子带图像分别导入IICM模型，从最左上角的神经元开始运行，遍历所有高频子带图像，记录每幅高频子带图像的时间矩阵T中的对应元素值T_ij，并利用式8确定最终融合图像的高频子带图像fuse_high：

fuse_highijlk=arg{min(Tijlk,1,Tijlk,2,...,Tijlk,N)}---(8)]]>

其中，N代表待融合多传感器源图像的数目，为大于1的整数；Δ_{n_high}为第n幅待融合多传感器源图像所对应的高频子带图像的调整步长；下标ij为像素点的空间坐标；l_k为k尺度分解下的方向分解级数，为第n幅源图像中l_k方向分解级数下的高频子带图像中像素点的最大灰度值；为最终l_k方向分解级数下的最终融合图像的高频子带图像中的像素点，为在相同像素点空间坐标ij处，各幅源图像中l_k方向分解级数下的高频子带图像中对应时间矩阵T中的最小元素值；arg为“求逆”操作，即将N幅l_k方向分解级数下的高频子带图像中，相同像素点位置对应时间矩阵T中最小元素值的灰度值赋予最终l_k方向分解级数下高频融合图像中的像素点。