[发明专利]一种基于多尺度分析的异源融合图像互补性计算方法

说明书

 技术领域

本发明涉及计算机视觉、数字图像处理以及生物视觉计算等多个图像应用领域，具体涉及一种基于多尺度分析的异源融合图像互补性计算方法。

背景技术

异源图像融合技术是将对同一场景由不同图像传感器，或同一图像传感器使用不同工作参数拍摄的图像，通过图像处理的手段组合为一幅图像。该组合结果包含了较任意一幅原始图像更为丰富的视觉信息。异源融合图像融合技术已经在远程监控、数字医疗、高动态范围成像、军事侦察等多个方面得到了广泛应用。附图1给出了现有技术中异源图像融合的过程。

在图1中，由于成像设备的特点和性能限制，单独使用红外相机或可见光相机都无法获取成像场景中的全部信息，因此通过使用图像融合技术将两幅图像中的视觉信息集成于一幅图像之中，能够获得比单独使用任意一种成像设备更多的视觉信息。目前对异源图像融合的研究集中于融合算法以及融合质量评价，而对于异源融合图像互补性的研究尚未见公开发表。

对于异源图像融合的结果而言，其所包含的信息量不仅取决于融合算法，同时也取决于异源融合图像之间的差异化程度。对于确定的某种融合算法，异源融合图像间的差异化程度越高，则融合结果所包含的信息量越大。

使用简单的数学方法，例如均方差（Mean Square Error, MSE）、峰值信噪比（Peak Signal-Noise Ratio, PSNR）、互信息（Mutual Information，MI）等来评价异源融合图像间的差异，只能提供异源融合图像间的数值差异比较，并不能反映出异源融合图像间的视觉差异，无助于成像设备以及融合算法的选择。

发明内容

本发明为了解决从视觉观测的角度来评价异源融合图像间差异性的问题，提供了一种基于多尺度分析的异源融合图像互补性计算方法。该方法依据生物视觉系统的研究成果，通过比较两个尺度的视觉差异来评价异源融合图像的互补性。其中粗尺度的视觉显著度用于模拟人眼在“预注意”阶段对目标大致轮廓和形状敏感的特点，细尺度的细节相似性模拟人眼在“详细观察”阶段对于纹理、边沿等突变敏感的特点。。

为实现上述目的，本发明采用如下的技术方案：

一种基于多尺度分析的异源融合图像互补性计算方法，包括以下步骤：首先，对待比较异源融合图像进行多尺度多方向的分解变换，将图像分解为粗尺度低频子带和细尺度下多个方向性带通子带；然后分别从这两个空间尺度对异源融合图像的粗尺度视觉显著性差异和细尺度细节相似性进行比较。

在粗尺度视觉显著性差异的计算过程中，使用NSCT低频系数和根据视觉注意机制模型获得的视觉显著度图，计算图像中各点的“视觉强度”；异源融合图像间同一位置的“视觉强度差”作为该点的视觉匹配度；视觉匹配度的平均值作为异源图像间的粗尺度视觉显著度差异。

细尺度细节相似性的计算过程如下：逐点计算两幅异源融合图像之间每一对NSCT对应的带通子带间的细节相似性，然后计算各对带通子带在该位置的细节相似性算术平均值作为该点的细节相似性。

本发明具有的优点和积极效果是：

本发明采用多分辨率分析的方法，结合视觉注意机制，从粗尺度视觉显著性和细尺度细节相似性两个角度来比较异源融合图像的相似性与互补性。这种方法能够有效地评价不同种类成像设备的视觉成像特点，有助于选择最佳的成像设备组合、融合算法及其最佳参数组合进行异源图像融合；具有以下优点：第一，从视觉感知的角度评价不同成像设备的差异；第二，通过计算异源融合图像间的互补性，选取具有更大互补性的异源融合图像，从而使得融合结果包含更丰富的信息量；第三，根据异源融合图像互补性的特征，有针对性地选取最佳融合算法及其参数。

附图说明

图1为异源图像融合的流程图；

图2为本发明的Itti视觉注意模型的流程图；

图3为本发明的视觉注意模型的应用实例图；

图4为本发明的异源融合图像互补性计算方法的流程图；

图5为可见光/红外图像互补性比较图；

图6为多聚焦图像互补性比较图。

具体实施方式

下面结合附图和具体实施例对本发明的基于多尺度分析的异源融合图像互补性计算方法做进一步说明。下述各实施例仅用于说明本发明而并非对本发明的限制。