[发明专利]一种图像融合方法及系统有效

专利信息
申请号: 202010036038.X 申请日: 2020-01-14
公开(公告)号: CN111223069B 公开(公告)日: 2023-06-02
发明(设计)人: 王慧泉;毛润;姜泊;牛萍娟 申请(专利权)人: 天津工业大学
主分类号: G06T5/50 分类号: G06T5/50;G06T5/20;G06V10/46
代理公司: 北京高沃律师事务所 11569 代理人: 杨媛媛
地址: 300387 *** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 融合 方法 系统
【权利要求书】:

1.一种图像融合方法,其特征在于,包括:

获取源图像;所述源图像包括待融合的荧光图像和可见光图像;

采用高斯滤波方法对所述源图像进行二尺度分解,得到所述源图像的基层图像和细节层图像;所述源图像的基层图像包括所述荧光图像对应的基层图像和所述可见光图像对应的基层图像,所述源图像的细节层图像包括所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像;

所述采用高斯滤波方法对所述源图像进行二尺度分解,得到所述源图像的基层图像和细节层图像,具体包括:

利用公式对所述荧光图像进行二尺度分解,得到所述荧光图像对应的基层图像和细节层图像;其中,IN为所述荧光图像,BN为荧光图像对应的基层图像,DN为荧光图像对应的细节层图像,G(r,σ)为高斯滤波器,r为滤波窗口的大小,σ为标准差;

利用公式对所述可见光图像进行二尺度分解,得到所述可见光图像对应的基层图像和细节层图像;其中,IV为所述可见光图像,BV为可见光图像对应的基层图像,DV为可见光图像对应的细节层图像;

使用非线性函数构建突出荧光信息的第一权重图;

根据所述第一权重图对所述荧光图像对应的基层图像和所述可见光图像对应的基层图像进行融合,得到融合图像的基层图像;

基于显著性检测构建增强荧光信息的第二权重图;所述第二权重图包括荧光图像的最终权重图和可见光图像的最终权重图;

所述基于显著性检测构建增强荧光信息的第二权重图,具体包括:

采用中值滤波器和均值滤波器,利用公式构建荧光图像和可见光图像的视觉显著性特征;其中,HN为荧光图像的视觉显著性特征,HV为可见光图像的视觉显著性特征,IN为所述荧光图像,IV为所述可见光图像,MF为中值滤波器,AF为均值滤波器;

利用公式对所述荧光图像的视觉显著性特征和所述可见光图像的视觉显著性特征进行归一化操作,得到初始权重图;其中,WN为荧光图像的初始权重图,WV为可见光图像的初始权重图;

根据增强系数矩阵和所述初始权重图,利用公式构建第二权重图;其中,为荧光图像的最终权重图,为可见光图像的最终权重图,K为荧光信息增强系数,P为增强系数矩阵;

根据所述第二权重图对所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像进行融合,得到融合图像的细节层图像;

将所述融合图像的基层图像和所述融合图像的细节层图像重建,得到融合图像。

2.根据权利要求1所述的图像融合方法,其特征在于,所述使用非线性函数构建突出荧光信息的第一权重图,具体包括:

利用公式识别荧光图像对应的基层图像中的目标特征信息,得到荧光信息特征图像R;其中,R(x,y)为荧光信息特征图像中(x,y)处像素点的像素值,BN(x,y)为荧光图像对应的基层图像中(x,y)处像素点的像素值,BV(x,y)为可见光图像对应的基层图像中(x,y)处像素点的像素值;

利用公式对所述荧光信息特征图像进行归一化操作,得到增强系数矩阵P;其中,P(x,y)为增强系数矩阵中(x,y)处的增强系数值;

采用非线性函数利用公式WB=G(r,σ)*Sλ(P)对所述增强系数矩阵进行调整,得到第一权重图WB;其中,G(r,σ)为高斯滤波器,Sλ为非线性函数,x为所述非线性函数的自变量,λ为增强系数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津工业大学,未经天津工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010036038.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top