[发明专利]基于尺度不变特征变换的苹果图像融合方法

说明书

技术领域

本发明涉及一种基于尺度不变特征变换的苹果图像融合方法，是水果质量无损检测技术领域的一项融合方法，在水果品质检测中有广泛地应用。

背景技术

由于单幅图像所含的信息有限，往往无法满足实际的应用。为了更好的获取信息，图像融合技术于二十世纪七十年代被提出。图像融合是一种将多个传感器采集到的关于同一场景的图像经过融合算法的处理合成一幅图像的技术，融合后的图像能有效的结合多幅待融合图像的优点，从而更适合人的视觉感知。近年来，图像融合在军事侦察、医疗诊断和遥感等领域有了广泛的应用。

我国作为一个苹果生产大国，高效的苹果质量检测是很重要的。传统的苹果质量检测的方法为人工目测、抽样切片或仅用可见光图像分析，这些分级的方法存在误判率高、不具备无损性、不具备直观性等缺点。考虑到苹果的可见光图像可以清晰地显示表皮上的纹理和缺陷信息，而红外图像可以显示苹果内部的缺陷，采用图像融合技术可以将两种图像中的信息进行整合，从而改善苹果质量检测中的识别精度与可靠性。因此，本发明设计了一种基于尺度不变特征变换的图像融合方法将苹果的红外与可见光图像融合进行融合，融合图像用于辅助苹果质量的无损检测，从而提高苹果品质把关水平。

图像融合的方法通常可以分为空域融合和频域融合两大类。空域融合效率高但是存在空间扭曲的问题，频域融合速度较前者慢，但可以较好的解决上述问题。考虑到计算机性能提升较快，本文选择了频域融合的方法。常用的频域融合方法包括了离散小波变换DWT(Discrete Wavelet Transform)、平稳小波变换SWT(Stationary Wavelet Transform)、轮廓波变换CT(Contourlet Transform)和非下采样轮廓波变换NSCT(Nonsample Stationary Contourlet Transform)。其中DWT存在了高频子带方向数少、有混叠和不具备平移不变性等缺陷；SWT虽然具备了平移不变性但是高频子带方向数仍然只有三种；CT解决了DWT和SWT存在的高频子带方向数少的问题，但是由于变换过程中存在下采样的过程，CT不具备平移不变性；NSCT相比前三种方法，既具备高频子带方向数目多，也具备平移不变性的特点。基于上述分析，本发明选用NSCT作为多尺度分解工具。

活动测度是图像融合算法中很重要的组成部分。活动测度要求能够代表图像的性质。目前，图像特征提取包括张量、稀疏表示和尺度不变特征SIFT(Scale-Invariant Feature Transform)等。基于张量的融合是利用高阶奇异值分解将图像分解得到系数，然后利用系数的绝对值作为活动测度构融合规则。基于稀疏表示的融合方法是利用一部过完备字典将待融合图像进行分解得到具备稀疏性质的系数，然后利用稀疏系数作为活动测度构造融合规则。SIFT特征是David G.lowe在1999年提出的，SIFT的特征能检测到图像中的角点、边缘点、暗区的亮点、亮区的暗点等十分突出的点，在图像相似度匹配中有着重要的应用。考虑到红外与可见光苹果图像融合中，待融合的图像之间内容的相似性可能不一致，同一图像内不同区域的内容也可能存在较大的差异，因此，本发明利用SIFT算法构造了一种内容相似度匹配算法，并利用所提内容匹配算法构造了一种混合策略融合的方法，获得了较优的融合结果，提高了融合图像的质量，有利于提升苹果无损质量检测的水平。

发明内容

本发明的目的是针对上述现有技术的不足，提出一种尺度不变特征变换的苹果图像融合方法，以解决已有的红外与可见光苹果图像融合技术所得融合图像水果表面不清晰以及次表面缺陷不明显的问题。该发明将可见光图像和红外光图像的有效特征信息充分结合起来，得到更加清晰、客观的融合图像。该图像不仅能够做到对水果表面、次表面缺陷的识别以及进一步的定性、定量分析，还能够很大程度地减小误判率，发挥可见光与红外图像融合技术在水果质量检测方面的应用优势。

本发明解决其技术问题所采用的技术方案如下：

一种基于尺度不变特征变换的苹果图像融合方法，其特征在于包括以下步骤：

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；