[发明专利]一种基于NSST的触头元素分布与形貌信息融合方法

权利要求书

1.一种基于NSST的触头元素分布与形貌信息融合方法，其特征在于包括以下步骤：

1)通过扫描电子显微镜和X-射线能谱仪获取电触头表面的元素分布图像，通过机器视觉系统获取电触头表面微观形貌图像；

2)通过图像预处理，提高图像分辨率和边缘信息，并以相同的比例显示元素分布图像和表面微观形貌图像；

3)采用基于B样条的配准方法对元素分布图像与表面微观形貌图像进行配准；

4)采用基于NSST的图像融合技术的二维仿射系统进行复合扩张，并应用加权能量融合规则，从源图像中获取相关信息，得到最终的电触头元素分布与形貌信息融合图像；

所述步骤3)中基于B样条的配准方法对元素分布图像与表面微观形貌图像进行配准为：

借助变形系数正图像中的变形，通过各源图像像素之间的互信息值选择变形系数的集合来最优地配准移动图像像素，具体过程如下：

301)按照映射DM＝ΔMov→ΔStat，来自领域ΔMov的扫描电子显微镜和X-射线能谱仪移动图像进入固定表面形貌图像的领域ΔStat，将移动图像改变为处于固定图像的域中，移动图像变形形式为DM(y|δ)，其中δ表示变换约束集；

302)根据移动图像和固定图像之间的最优互信息值来选择变换系数，通过以下等式确定用于选择变换系数的目标函数：

O(δ)＝MaxMI(I_Stat,I_Mov) (1)

该目标函数根据以下方程式进行计算：

等式(2)表征了当移动图像更改为D_M(y|δ)时，根据移动图像和固定图像之间的低变化而选择的变形系数；

303)基于移动图像和固定图像之间的互信息完成最优的B样条配准，用等式(3)来表示：

MI(I_Mov,I_Stat)＝I_E(Mov)+I_E(Stat)-I_E(Mov,Stat) (3)

其中，I_E(Mov)，I_E(Stat)和I_E(Mov,Stat)表征移动图像的熵、固定图像的熵和图像的联合熵，MI(I_Mov，I_Stat)为移动图像和固定图像之间的互信息；

步骤3)中还包括：利用WOA算法有效地选择基于B样条配准技术的最优变换系数，在每次迭代过程中，选择可能的变换系数集，配准的输出图像最大限度的反映互信息；在识别出最佳变换系数之后，图像得到有效的配准，为图像融合做好准备；

步骤4)中采用基于NSST图像融合技术的二维仿射系统的复合扩张由下式给出：

式中：AM表示各向异性矩阵，控制Shearlet尺度，S表示剪切矩阵，I与尺度变换相关联；i、j、k分别表示尺度参数、平移参数和位移参数；x代表一个未知数，k表示位移参数ψi，j，k(x)一个整体的函数表达式，表示不同的i、j、k值对应的小波变换，ψ(S^JIⁱx-m)为经过位移之后的小波变换,表示整数集合；

剪切矩阵S(detS＝1)和AM是可逆矩阵，大小为2×2，如果d＞0且S∈R，则AM和S为：

步骤4)中NSST的离散方程如下：

其中ξ₁≠0，ξ为随机变量，ξ₁为随机变量取值的下限，ξ₂为随机变量取值的上限，ψ的傅里叶变换为令ψ₁∈C^∞(R)与ψ₂∈C^∞(R)是紧密支撑的小波，ψ₀∈C^∞(R)为小波变换函数基；

所述步骤4)中加权能量融合规则为：

401)计算移动和静态图像的局部能量，

其中，En(p,q)是位置(p,q)处的局部能量，Cof(p,q)表示位置(p,q)处的小波系数，分别针对移动图像和静态图像和的NSST系数值，计算大小为3x3的矩形窗口的局部能量，移动和静态图像的局部能量通过以下方程式(8)～(9)进行评估：p、q分别表示图像中像素的横、纵坐标；

402)由公式(10)～(11)计算融合运动和静态系数的权重：

403)融合像素根据以下公式(12)计算：

I_(F)(p,q)＝I_(Mov)(p,q)×ω^(Mov)+I_(Stat)(p,q)×ω^(Stat) (15)

其中，I_(F)(p,q)表示融合系数，I_(Mov)(p,q)，I_(Stat)(p,q)分别表示移动图像与固定图像的融合系数，ω^(Mov)，ω^(Stat)分别表示移动图像与固定图像的融合系数的权重，En^(Mov)(p，q)为移动图像的局部能量，En^(Stat)(p，q)为静态图像的局部能量。

2.根据权利要求1所述的基于NSST的触头元素分布与形貌信息融合方法，其特征在于，步骤2)中提高图像分辨率和边缘信息为：

采用高斯平滑、边缘锐化实现对电触头图像细微结构边缘的增强，采用图像为中心的缩放技术，以相同的比例显示两个图像。