[发明专利]基于尺度不变特征变换的苹果图像融合方法

权利要求书

1.一种用于苹果无损检测的基于尺度不变特征变换的苹果图像融合方法，其特征是：首先利用非下采样轮廓波变换将待融合红外与可见光苹果图像分解为低频子带和高频子带；对低频子带利用尺度不变特征变换提取到特征描述子并记录下每个特征描述子在低频子带中的位置，利用特征描述子构造了一种内容匹配度指标，接着采用一种基于内容匹配度的混合融合策略用来融合低频子带，对高频子带利用非下采样高频系数绝对值取大的融合策略实现高频子带系数的融合；最后利用非下采样轮廓波逆变换生成融合后的苹果图像。

2.根据权利要求1所述的基于尺度不变特征变换SIFT(Scale-Invariant Feature Transform)的苹果图像融合方法，其特征在于包括以下具体步骤：

1)利用非下采样轮廓波变换将待融合图像分解为低频子带和高频子带；

2)对待融合苹果图像低频子带利用尺度不变特征变换提取特征描述子并记录下每个特征描述子在低频子带中的位置，利用特征描述子构造了一种内容匹配度指标；

3)采用不同的融合规则分别确定融合图像的低频子带系数和高频子带系数；

3.1)对非下采样轮廓波低频子带采用基于内容匹配度的混合融合策略来融合；

3.2)对非下采样轮廓波高频子带采用非下采样高频系数绝对值取大的融合策略实现融合；

4)对步骤3)所得低、高频子带融合系数，执行非下采样轮廓波逆变换获得最终的红外与可见光苹果融合图像。

3.根据权利要求2所述的基于尺度不变特征变换的苹果图像融合方法，其特征在于：步骤1)所述对尺寸为M×N大小的红外与可见光苹果图像执行非下采样轮廓波变换，分解得到低频子带系数LC_A(x，y)和LC_B(x，y)以及不同尺度不同方向的子带系数和其中LC_A(x，y)和LC_B(x，y)分别代表红外图像A和可见光图像B的低频子带(x，y)点处的值，和分别代表红外图像A和可见光图像B的第s尺度中第t方向的高频子带(x，y)点处的值。

4.根据权利要求2所述的基于尺度不变特征变换的苹果图像融合方法，其特征在于：步骤2)所述对低频子带利用SIFT提取特征描述子构造一种内容匹配度指标，具体如下：

首先，利用SIFT在待融合的红外和可见光苹果图像低频子带上寻找特征点，在所有特征点处生成特征描述子(des₁(i)和des₂(j))，其中i∈(1，m)，j∈(1，n)，m为红外图像低频子带中SIFT特征描述子的总数，n为可见光图像低频子带中SIFT特征描述子的总数；

接着，利用对应低频子带中的SIFT特征描述子(des₁(i)和des₂(j))来评估待融合图像低频子带的内容匹配度。按下述公式计算第一幅图像的低频子带中的每一个特征描述子des₁(i)与另一幅图像低频子带中所有特征描述子des₂(j)之间的距离dist(i，j)：

dist(i，j)＝acos(des₁(i)*des₂(j)^T)；

将与des₁(i)对应的所有的dist(i，j)从小到大排序，取dist(i，j)值最小者minDist(i)和第二小者2ndDist(i)。若minDist(i)＜distRatio*2ndDist(i)，则认为两个特征描述子处的内容是匹配的，此时记录下minDist(i)对应的des₁(i)和des₂(j)的位置；如果位置坐标相同的话，则将这样的特征描述子定义为内容匹配特征描述子，并根据其在低频子带中的位置生成内容匹配特征描述子分布图(desmap(o))；其中0≤o≤z，z为对应低频子带中内容匹配特征描述子总数；

最后，利用滑动窗口技术将desmap(o)分成I个相互对应的源图像子块，滑动步长大小为r，且其中代表最接近的整数。统计每个子块包含的特征描述子的个数，以此生成内容匹配决策图(decmap(o，k))，decmap(o，k)反映了待融合图像对应低频子带第k对子块内容匹配程度，其中0≤k≤I。