[发明专利]一种基于小波变换和邻域特征的多聚焦图像融合方法

摘要

本发明涉及一种基于小波变换和邻域特征的多聚焦图像融合方法。首先利用小波变换对图像进行多尺度分解，获得图像在不同分辨率和不同方向下的低频和高频信息；然后根据低频和高频信息的各自特性，采用不用的融合规则进行处理，其中，对低频子图像采用基于邻域归一化梯度加权平均的融合方法，克服了传统的低频分量融合方法忽略边缘信息的缺点，对高频子图像采用基于邻域标准差加权平均的融合方法，可以最大限度地保留图像的细节信息；最后进行小波重构得到融合图像。本发明克服了传统的融合算法存在的边缘失真现象，使融合后的图像质量和清晰度均有明显提高，可以应用于各类军用或民用的多聚焦图像融合系统。

主权项

1.一种基于小波变换和邻域特征的多聚焦图像融合方法，其特征在于步骤如下：步骤1：预处理：采用互相关方法对两幅聚焦不同的源图像进行图像配准，并利用线性变换方法将两幅源图像的灰度范围映射到一个一致的灰度区间，得到预处理后的两幅图像A和B；步骤2：小波变换：利用Mallat算法对预处理后的两幅图像A和B分别进行小波变换，其中，对预处理后的图像A进行小波变换得到小波变换系数对预处理后的图像B进行小波变换得到小波变换系数所述的LA和LB分别表示预处理后的两幅图像A和B的低频子图像；所述的和分别表示预处理后的两幅图像A和B在尺度t下p方向的高频子图像；所述的t为小波变换的分解尺度，为大于等于1的整数；所述的p表示每个分解尺度下的不同方向，p＝1，2，3，p＝1表示水平方向，p＝2表示垂直方向，p＝3表示对角方向；步骤3：融合处理：采用基于邻域归一化梯度加权平均的方法对低频子图像L^A和L^B进行融合处理，得到低频融合图像L^F；采用基于邻域标准差加权平均的方法对高频子图像和进行融合处理，得到高频融合子图像所述的基于邻域归一化梯度加权平均的融合处理方法具体为：其中，(i，j)表示图像中像素点的位置为i行j列，i＝1，…，P，j＝1，…，Q，P为低频子图像的总行数，Q为低频子图像的总列数；L^F(i，j)表示位于低频融合图像L^F第i行j列像素点的值；K^A(i，j)、K^B(i，j)为低频子图像融合的权重系数，计算公式分别为KA(i,j)=GA(i,j)GA(i,j)+GB(i,j)]]>和KB(i,j)=GB(i,j)GA(i,j)+GB(i,j)]]>其中，G^A(i，j)和G^B(i，j)分别表示低频子图像L^A和L^B中以(i，j)像素为中心的M×N大小邻域内所有像素值的归一化梯度平方和，计算公式分别为GA(i,j)=Σm=-(M-1)/2(M-1)/2Σn=-(N-1)/2(N-1)/2[|LA(i+m,j+n)-LA(i,j)|LA(i,j)]2]]>GB(i,j)=Σm=-(M-1)/2(M-1)/2Σn=-(N-1)/2(N-1)/2[|LB(i+m,j+n)-LB(i,j)|LB(i,j)]2]]>所述的基于邻域标准差加权平均的融合处理方法为：Hp,tF(i,j)=Kp,tA(i,j)Hp,tA(i,j)+Kp,tB(i,j)Hp,tB(i,j)]]>其中，为位于高频融合子图像第i行j列像素点的值；和分别为高频子图像融合的权重系数，计算公式分别为其中，和分别为高频子图像和中以(i，j)像素为中心的大小邻域内所有像素值的标准差；所述的M×N和大小邻域均为大小为3×3、5×5、7×7等的正方形区域；步骤4：小波重构：将融合处理后得到的低频融合图像L^F和高频融合子图像进行小波逆变换，得到最终的融合结果图像。