[发明专利]基于多形态稀疏表示的图像融合方法

权利要求书

1.一种基于多形态稀疏表示的图像融合方法，其特征在于，包括如下步骤：

(1)利用FT算法提取红外图像的边缘成分，并利用Curvelet基对其进行稀疏表示；

(2)借鉴形态学成分分析(Morphological Component Analysis,MCA)理论，利用DWT和DCT构建的多形态稀疏基对可见光图像进行形态学分离，得到其光滑成分和纹理成分的稀疏系数；

(3)将红外图像边缘成分、可见光图像光滑成分及纹理成分的稀疏系数融合；

(4)对第(3)步中所得融合后的稀疏系数进行逆变换，得到最终的融合图像。

2.根据权利要求1所述的基于多形态稀疏表示的图像融合方法，其特征在于所述步骤(2)中利用所构建的多形态稀疏基对可见光图像进行形态学分离，并得到可见光图像光滑成分、纹理成分的稀疏系数；具体是指：在可见光图像的处理过程中，先设定相应的迭代次数，再利用形态学分离方法对其进行迭代分离；为减少稀疏系数中非零值的个数，本发明利用阈值法对稀疏系数进行了处理；由于硬阈值函数的不连续性，利用其对稀疏系数进行处理可能会导致吉布斯现象，进而降低图像形态学分离的质量；因此，本发明利用软阈值法对稀疏系数进行处理，处理后的稀疏系数为：

α~=SoftThresh(α)=sign(α)×(abs(α)-delta)×(abs(α)>delta)]]>

其中：α为原始稀疏系数；delta为经验值，设定为0.3；

形态学分离的具体过程为：

—————————————————————————————————————————————

输入：可见光图像X；

构建稀疏字典Φ＝[Φ_S,Φ_T]，其中：Φ_S为DWT稀疏基，Φ_T为DCT稀疏基；

采用D_S,D_T分别表示与Φ_S,Φ_T相对应的变换算子；

设置迭代次数为NoI；

初始化稀疏系数矩阵：α_S＝α_T＝0，其中：α_S为图像光滑成分的稀疏系数矩阵，α_T为图像纹理成分的稀疏系数矩阵；

迭代过程：

For t＝1:NoI

①假定纹理成分X_T固定，更新光滑成分X_S：

计算残差：R＝X-X_T；

计算光滑成分稀疏系数：α_S＝D_SR；

采用软阈值算法：α~S=SoftThresh(αS);]]>

更新光滑部分：XS=ΦSα~S;]]>

②假定光滑成分X_S固定，更新纹理成分X_T：

计算残差：R＝X-X_S；

计算纹理成分稀疏系数：α_T＝D_TR；

采用软阈值算法：α~T=SoftThresh(αT);]]>

更新纹理成分：XT=ΦTα~T;]]>

End for

输出：稀疏系数

—————————————————————————————————————————————

3.根据权利要求1所述的基于多形态稀疏表示的图像融合方法，其特征在于所述步骤(3)中对图像各形态成分的稀疏系数进行融合；具体是指：提取可见光图像光滑成分、纹理成分的稀疏系数分别作为融合图像光滑成分、纹理成分的稀疏系数，即：

αSF=αSV;]]>

其中，为融合图像光滑成分的稀疏系数，为可见光图像光滑成分的稀疏系数；

αTF=αTV;]]>

其中，为融合图像纹理成分的稀疏系数，为可见光图像纹理成分的稀疏系数；

提取红外图像边缘成分的稀疏系数作为融合图像边缘成分的稀疏系数，即

αEF=αEI;]]>

其中，为融合图像边缘成分的稀疏系数，为红外图像边缘成分的稀疏系数。