[发明专利]基于超像素聚类与联合低秩表示的多聚焦图像融合方法

摘要

本发明公开的基于超像素聚类与联合低秩表示的多聚焦图像融合方法，涉及图像处理技术领域，通过接收经过配准的源图像IA和IB，利用谱聚类算法，对IA和IB进行超像素分割，再对超像素利用K均值算法进行聚类，并对源图像以超像素为单位进行特征提取，构建针对每一个超像素类的特征矩阵。构建字典及联合低秩表示模型并结合拉普拉斯一致性约束项，分别对源图像IA和IB中的超像素类所对应的特征矩阵进行联合低秩表示，计算出IA的低秩表示系数ZA和误差矩阵EA以及IB的低秩表示系数ZB和误差矩阵EB，利用表示系数和误差设计融合规则，构建建最终的融合图像，解决了现有技术存在的融合结果中出现的块状模糊和突兀的过渡边缘现象，提高了图像融合的质量和视觉效果。

主权项

1.一种基于超像素聚类与联合低秩表示的多聚焦图像融合方法，其特征在于，包括：(1)接收经过配准的源图像I_A和I_B，其中，I_A∈R^m×n，I_B∈R^m×n，m表示源图像I_A和I_B的宽度，n表示I_A和I_B的高度；(2)利用谱聚类算法，对I_A或I_B中的任一源幅图像进行超像素分割，将分割后得到的超像素标记矩阵映射到另一幅源图像中，使得I_A和I_B具有相同数量的超像素块且同一位置上的超像素块具有相同的形状和尺寸，得到与I_A和I_B对应的超像素集{sp_A,i|i＝1,2,…,N}和{sp_B,i|i＝1,2,…,N}，其中，N代表超像素的个数；(3)对I_A和I_B的超像素进行聚类(31)对I_A或I_B中的任一幅图像的超像素集{sp_A/B,i|i＝1,2,…,N},提取所述超像素集中各个像素点的R值、G值及B值并分别求取所述R值、所述G值及所述B值的均值，得到各个超像素对应的颜色特征，再利用K‑Means算法和所述颜色特征对I_A或I_B超像素进行聚类，得到聚类结果；(32)将所述聚类结果映射到另一幅源图像的超像素集中，得到I_A及I_B所对应的两个超像素类{C_A,k|k＝1,2,…,K}和{C_B,k|k＝1,2,…,K}，其中，K代表聚类的个数；(4)对I_A及I_B进行特征提取，构建源图像中每一个超像素类C_A/B,k所对应的特征矩阵X_A/B,k；(5)构建字典(51)利用公式得到I_A及I_B的均值图像I_M(x,y)；(52)利用公式对所述均值图像进行高斯模糊，得到高斯模糊图像I_N(x,y)，提取所述高斯模糊图像I_N(x,y)的特征值，构建所述均值图像的特征矩阵；(53)利用主成分分析PCA技术对所述特征矩阵进行降维，得到低秩表示字典D；(6)构建联合低秩表示模型并对超像素类所对应的特征矩阵进行联合低秩表示；(7)利用基于自适应惩罚因子的线性迭代方向法对联合低秩表示模型进行求解，计算出I_A的低秩表示系数Z_A和误差矩阵E_A以及I_B的低秩表示系数Z_B和误差矩阵E_B；(8)构建融合决策标记图(81)根据低秩表示系数Z和误差矩阵E采用加权求和的方法构建聚焦性测量因子，即MOF_A/B,i＝η||z_A/B,i||₂+(1‑η)||e_A/B,i||₂，其中，z_A/B,i和e_A/B,i分别为Z_A/B和E_A/B的第i列，||·||₂表示向量的l₂范数，η为权重值；(82)利用聚焦性测量因子，构建与源图像具有相同尺寸的融合标记图Υ(x,y)，其中，(9)根据公式I_F(x,y)＝Υ(x,y)I_A(x,y)+(1‑Υ(x,y))I_B(x,y)，构建最终融合图像。