[发明专利]一种基于PCNN和分级聚焦技术的图像融合方法及装置

说明书

本发明提供一种基于PCNN和分级聚焦技术的图像融合方法及装置，包括：S1，使用PCNN获取第一图像和第二图像对应的第一脉冲图像和第二脉冲图像；S2，使用分级聚焦检测算法获取第一分级聚焦点图像和第二分级聚焦点图像；S3，对所述第一分级聚焦点图像和所述第二分级聚焦点图像进行平滑，获取对应的第一显著性图像和第二显著性图像；S4，使用判决算法对所述第一图像和所述第二图像进行融合。本发明通过使用PCNN充分提取图像中的有效信息，然后使用分级聚焦型视觉获取图像中有效信息的分级聚焦点，并结合简单的判决算法对图像进行融合，本发明方法简单，处理速度快，能产生较好的融合效果。

技术领域

本发明涉及图像处理领域，更具体地，涉及一种基于PCNN和分级聚焦技术的图像融合方法及装置。

背景技术

图像融合是指综合两个或多个多源图像的信息，其目的在于通过对多幅图像的信息进行提取，集中或整合优势互补的数据以提高图像的信息可用度，从而获取对同一目标更为准确，更为全面和更为可靠的图像描述。融合后的图像更符合人或机器的视觉特性，以便于对图像进一步的分析、理解、检测和识别。

图像融合技术可分为三个层次：像素级、特征级和决策级。其中像素级图像融合技术直接在原始数据层上进行融合。它虽然能保持尽可能多的原始数据，但在进行图像融合之前，必须对源图像进行精准的配准，因此具有局限性。另外，像素级图像融合技术的数据量大，处理速度慢，实时性差。特征级图像融合技术属于中间层，先对原始图像进行特征提取，然后对提取的特征进行综合分析和处理，实现了客观的信息压缩，有利于实时处理。决策级融合技术是一种高层次的融合，在融合过程中，每个传感器先分别建立对同一目标的初步判决和结论，然后对来自个传感器的决策进行相关处理，最后进行决策级的融合处理。决策级融合技术具有良好的实时性和容错性，但预处理代价高。

现有技术中，已有许多图像融合技术的研究。其中，平均融合算法将待融合图像中相关像素点的灰度值用所述相关像素点的灰度值的平均值替换。该方法生成的融合图像不仅包含图像中清晰的信息，同时也包含图像中模糊的信息，从而使得有效和无效的信息结合在一起，不能得到较好的融合效果。低通比率金字塔图像融合算法是一种与人们的视觉系统模型相适应的方法，能高效地保留图像中的细节特征。它虽然符合人的视觉特征，但由于噪声的局部对比度一般较大，对噪声敏感，且不稳定。基于HIS变换的图像融合方法将待融合的一幅图像从RGB空间变换到HIS空间，然后用待融合的另一幅图像的强度替换前一幅图像的I分量，最好用将替换的HIS图像反变换为RGB图像，即融合后的图像。由于一幅待融合图像在HIS空间的I分量和另一幅待融合图像的灰度值是两种不同光谱强度特性的频道数据，这种替换使得融合后的图像产生光谱退化现象，光谱信息损失严重。

综上所述，现有的图像融合技术数据量大、处理速度慢、对噪声敏感和产生的融合效果差。因此，提出一种新的图像融合算法是解决上述问题的关键。

发明内容

为克服上述现有的图像融合技术数据量大、处理速度慢、融合效果差的问题或者至少部分地解决上述问题，本发明提供了一种基于PCNN和分级聚焦技术的图像融合方法及装置。

根据本发明的第一方面，提供一种基于PCNN和分级聚焦技术的图像融合方法，包括：

S1，使用PCNN获取第一图像和第二图像对应的第一脉冲图像和第二脉冲图像；

S2，使用分级聚焦检测算法获取所述第一脉冲图像和所述第二脉冲图像对应的第一分级聚焦点图像和第二分级聚焦点图像；

S3，对所述第一分级聚焦点图像和所述第二分级聚焦点图像进行平滑，获取所述第一图像和所述第二图像对应的第一显著性图像和第二显著性图像；

S4，根据所述第一显著性图像和所述第二性显著性图像，使用判决算法对所述第一图像和所述第二图像进行融合。

具体地，在S1之前还包括：