基于线性正则变换的图像融合方法技术

本发明专利技术涉及基于线性正则变换的图像融合方法，属于信息融合领域，适用于多聚焦图像的融合。基于自线性正则函数分解和重构理论，结合离散余弦变换(DCT)或离散正弦变换(DST)得到融合图像。本发明专利技术的基于线性正则变换的图像融合方法，把原图像分解在不同的时频平面上，继而采用离散余弦变换或离散正弦变换得到新的融合图像。由于线性正则变换具有3个自由量，在融合时可以利用不同参数的变化得到较好的融合图像。采用本发明专利技术的图像融合技术提高了融合图像的质量，有利于后续对图像的识别和分析。

【技术实现步骤摘要】

本专利技术涉及，属于信息融合领域，适用于多聚 焦图像的融合。
技术介绍
随着传感器技术的飞速发展，越来越多的传感器应用于各个领域中。系统中传感 器数量的不断增加，系统获得信息的多样性以及信息量的急剧增加，使得以往的信息处理 方法已无法满足这种新的情况，不能很好的适用于多传感器组合使用所带来的新问题，必 须发展新的方法和技术去解决面临的新问题。信息融合正是基于这种需求所发展起来的一 种新的方法。来自多个传感器的信号所提供的信息具有冗余性和互补性，信息融合可以最 大限度地获取对目标或场景的完整信息描述。 图像融合是信息融合范畴内主要以图像为对象的研究领域，它所处理的数据主要 是各种图像。多聚焦图像融合是图像融合的一个典型的研究领域。光学传感器对某一场景 进行成像时，由于场景中不同目标与传感器的距离可能不同，这时想使场景中的所有目标 都成像清晰是非常困难的，而采用多传感器图像融合技术可以完成这一目标。即针对不同 的目标得到多幅图像，经过融合处理，提取各自的清晰信息，综合成一幅新的图像，便于人 眼观察或计算机进一步处理。多聚焦图像融合技术能够有效地提高图像信息的利用率、系 统对目标探测识别的可靠性。这些优点使得多聚焦图像融合技术可以广泛地应用于机器视 觉和目标识别等领域。 多聚焦图像融合技术可分为空域图像融合技术和变换域图像融合技术。大量研究 表明，空间域融合方法缺乏细节表现力，难以分辨图像中的清晰区域和边界特征，融合图像 往往存在对比度低、细节模糊以及块效应等问题。与空域图像融合技术相比，变换域图像融 合技术更受关注，因为在变换域图像融合是在不同尺度和方向上对图像特征进行融合处 理，融合图像不会出现人为的拼接痕迹，具有良好的可视效果和融合一致性。本专利技术专利提 出的基于线性正则思想的融合属于变换域融合技术。 在变换域图像融合技术中，时频分析方法受到了很多学者的青睐，利用图像在频 域的能量聚集性，可以得到较好的融合图像。例如小波变换把图像分解为低频图像和三个 方向的高频图像;离散余弦变换把图像分解为低频、中频和高频图像。线性正则变换(LCT) 是在上世纪70年代提出的一种时频变换，最初应用于光学领域，随之成为了信号处理领域 的研究热点之一。它具有3个自由参量，当选取不同的矩阵参数时，它能够转变为传统傅里 叶变换、分数阶傅里叶变换和Fresnel变换，因此在进行图像处理时，参数的灵活性使得它 获得比传统的变换更好的特性。
技术实现思路
本专利技术的目的是为了提供一种方法，该方法基 于自线性正则函数的分解和重构，能够有效的提高融合图像的质量。 本专利技术的目的是通过下述技术方案实现的。 基于上述自线性正则函数分解和重构理论，结合离散余弦变换(DCT)或离散正弦 变换(DST)得到融合图像，简记两种融合方法分别为:SLCFs+DCT，SLCFs+DST。 本专利技术基于线性正则变换思想的图像融合技术，实现融合的步骤如下： 步骤1:分解原图像fi(x，y)(i = l，2)为Μ个图像gi(x，y)M,L(L=l，2···，M)，其中gi (义^~^是不变的线性正则函数⑴^^幻。 步骤2:对步骤一得到的每个gl(X，y)M,d故T得到变换系数，得到多组变换系 数，其中Τ代表DCT或DST; 步骤3:对步骤2得到的多组变换系数进行融合，所述融合规则为绝对值最大的融 合规则，得到新的变换系数； 步骤4:对步骤3得到的新的变换系数做·]，利用公式（1)重构得到融合图像。 步骤1所述的分解方法如下：任意一个图像f(x，y)都可分解为Μ个图像g(x，y)M,L，即 其中每一个g(x，y)M,L都是自线性正则函数(SLCFs)。 步骤1所述的分解方法具体步骤如下： 首先二维信号f(x，y)的LCT变换可以表示为： 当b关〇时，令a= γ /0，b=l/0，c = -0+a γ /β，(1 = α/β，则具有三个自由量的核函数 为本专利研究对象为ΜΧΝ的二维图像，记为f(m，n).在此仅考虑矩阵参数b矣0的情 况。令 δχ= (M | β | )-1/2，δΥ= (N | β | )-1/2，x=m5x，y = n5y(m= l，2，."M，n = l，2，"，N)J|3 么f(m，n)的离散线性正则变换(DLCT)可以表示为： 其次，若函数f(x，y)满足1?化&，7) = (：(^(1，7)，那么汽1，7)是一个自线性正则函 由Parserval等式知| c〇 | =1，并且於是实数。已知LCT算子RA关于特征值ci = exp的特征函数为其中Hn(u)是Hermite多项式，θ，λ和ξ分别定义为 我们在本专利中仅考虑当|a+d| <2时，θ，λ和ξ都是实数的情况。 最后基于以上的知识，可以得到：如果矩阵参数满足ad_bc = l和，那么自线性正则函数g(X，y)M, L可以由任意生成元函数f(x，y)生成， 即 有益效果 本专利技术的，把原图像分解在不同的时频平面 上，继而采用离散余弦变换或离散正弦变换得到新的融合图像。由于线性正则变换具有3个 自由量，在融合时可以利用不同参数的变化得到较好的融合图像。采用本专利技术的图像融合 技术提高了融合图像的质量，有利于后续对图像的识别和分析。【附图说明】 图1为第一组多聚焦原图像"钟表"，每幅图像中包括左右两个目标，其中图像(a) 聚焦在左面目标；图像(b)聚焦在右面目标;图像(c)是一幅全聚焦图像且作为参考图像，用 以比较融合图像与参考图像之间的差异； 图2为第二组多聚焦原图像"书本"，每幅图像中包括左右两个目标，其中图像(a) 聚焦在左面目标；图像(b)聚焦在右面目标;图像(C)是一幅全聚焦图像且作为参考图像，用 以比较融合图像与参考图像之间的差异； 图3为基于自线性正则函数的图像融合流程图； 图4为以变量Μ为横坐标，融合图像的MI为纵坐标做出折线图； 图5为以变量Μ为横坐标，融合图像的(^#为纵坐标做出折线图； 图6为对第一组原图像"钟表"进行融合得到的融合图像，其中所使用的参数为:Μ =4，λ = 1，ξ = 2;融合方法分别为：SLCFs+DCT，SLCFs+DST; 图7为对第二组原图像"书本"进行融合得到的融合图像，其中所使用的参数为:Μ =4，λ = 1，ξ = 2;融合方法为：SLCFs+DCT，SLCFs+DST; 图8为对第一组原图像"钟表"进行融合得到的融合图像，其中所使用的融合方法 为：SLCFs+DCT、SLCFs+DST、DWT rbio2.2、DWT biorl.5; 图9为对第二组原图像"书本"进行融合得到的融合图像，其中所使用的融合方法 为：SLCFs+DCT、SLCFs+DST、DWT rbio2.2、DWT biorl.5。【具体实施方式】 实施例1本专利技术首先选取了一组在融合试验中普遍使用的大小为512X512的多聚焦图像， 记为"钟表"。以此为实施例1介绍本专利技术的实施步骤，具体为： (1)首先将两幅原图像fi(x，y)(i = l，2)各自分解为Μ个图像gi(x，y)M,L，即 其中 gi(x，y)M,L 是 SLCFs。 (2)对图像gi(x，y)M,L做变换T得到T，这里T代表DCT或DST。 (3)对于T和T，应用绝当本文档来自技高网...

【技术保护点】
基于线性正则变换思想的图像融合方法，其特征在于：实现融合的步骤如下：步骤1：分解原图像fi(x,y)(i＝1,2)为M个图像gi(x,y)M,L(L＝1,2…,M)，其中gi(x,y)M,L是不变的线性正则函数(SLCFs)；步骤2：对步骤一得到的每个gi(x,y)M,L做T[·]得到多组变换系数，其中T[·]代表DCT或DST；步骤3：对步骤2得到的多组变换系数进行融合，所述融合规则为绝对值最大的融合规则，得到新的变换系数；步骤4：对步骤3得到的新的变换系数做T‑1[·]，利用公式(1)重构得到融合图像。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：李炳照，郭勇，解延安，鲁溟峰，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11