【技术实现步骤摘要】
【专利摘要】本专利技术涉及，属于图像处理领域以及信息融合领域。本专利技术在图像融合与超分辨率实现上，将待融合的低分辨率源图像看成是一幅多通道图像，通过构建其结构张量求得多通道图像梯度特征的单值表示，根据低分辨率融合图像与多通道图像之间具有相同或相近的梯度特征，建立图像融合与超分辨率实现模型：在该模型中，通过引入分数阶微分和分数阶全变分最小化方法实现噪声抑制，并通过双向滤波扩散来增强图像边缘信息，抑制虚假信息的产生。本专利技术克服了传统方法不能同时进行融合与超分辨率实现的不足，在目标成像、安全监视等领域具有较好的应用前景。【专利说明】
本专利技术涉及，属于图像处理领域以及信息融合领域。
技术介绍
多源图像融合是把不同类型的传感器(或同一类型传感器在不同时刻或方式下)所获取的有关某一具体场景的多幅图像信息进行综合，生成一幅新的有关此场景的解释，以便对该场景或目标进行更为清晰、完整、可靠的描述。通过综合而获得的图像，能有效克服单一传感器图像数据在几何、光谱、时间以及空间分辨率方面的差异性和局限性，这非常有利于对事件或物理现象进行识别、理解和定位。目前，该技术因具有冗余性、互补性、时间优越性、成本相对较低等优点而被广泛应用于计算机视觉、医疗成像与诊断、遥感测绘、军事等相关领域。国内外学者在多源图像融合方面取得了一系列研究成果，提出了一些性能优异的融合算法。这些算法主要有基于多尺度分解的融合方法、基于假彩色的融合方法、基于神经网络的融合方法等。这些传统的融合方法通常需要假设源图像具有较好的空间分辨率和清晰度。当这些假设被满足时，融合方法便能获得较为满意的融合...
【技术保护点】
一种基于变分与分数阶微分的图像融合与超分辨率实现方法，其特征在于：所述方法的步骤如下：A、将多源待融合的l幅低分辨率图像看成是一幅多通道图像，同时引入带权值的多通道图像；其中，为第i幅图像的权系数；B、采用步骤A中带权值的多通道图像f(x,y)的结构张量的特征值与特征向量来描述其自身信息的变化，并由此得到带权值多通道图像f(x,y)的梯度信息V(x,y)；C、在超分辨率实现上，假设理想的超分辨融合图像I是已知的，通过下采样算子矩阵H作用于该图像上来获得低分辨率融合图像HI；D、根据步骤B中所得到的梯度信息V(x,y)与步骤C所获取的低分辨率融合图像HI的梯度信息具有相同或相近的梯度特征，建立图像融合与超分辨率实现模型；其中，表示待融合源图像所在的矩形区域，为梯度算子；E、在步骤D建立的图像融合与超分辨率实现模型中引入分数阶微分与分数阶全变分的噪声抑制项，得到新的模型；其中，，和分别为图像I关于x和y的阶偏微分，为阶梯度算子，、为大于零的权衡因子，为的次数；F、在步骤E的融合模型中，引入双向滤波处理来抑制人工锯齿和边缘附近的震荡，从而得到更新后的图像融合模型；其中，为双向滤波的积分形式；...
【技术特征摘要】
【专利技术属性】
技术研发人员：李华锋，余正涛，毛存礼，郭剑毅，李小松，刘志远，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。