基于模糊算子的图像融合处理方法及系统、计算机程序技术方案

本发明专利技术属于图像处理技术领域，公开了一种基于模糊算子的图像融合处理方法及系统、计算机程序；根据需要融合的两幅图像即源图1和源图2，通过Lukasiewicz蕴涵算子进行像素级学习训练，得到关系矩阵R；以源图1为输入信息，以R为关系矩阵，利用Lukasiewicz三角模算子TLu，得到融合的目标图像。本发明专利技术与现有图像融合方法相比较，省去了大量的复杂数学推算和前期工作，简洁高效易于实现，无论是亮度信息还是细节信息都能将待融合的图像信息很好地互补融合，融合后的图像视觉效果好，细节信息明显，目标清晰。从下实例测试在同台电脑相同运行环境下测得的融合图像，可以很清晰地比较出本发明专利技术融合方法的优于现有技术。

【技术实现步骤摘要】
基于模糊算子的图像融合处理方法及系统、计算机程序
本专利技术属于图像处理
，尤其涉及一种基于模糊算子的图像融合处理方法及系统、计算机程序。
技术介绍
目前，业内常用的现有技术是这样的：像素级融合是图像融合比较常见的方法。主要的像素级融合方法包括加权平均法、基于统计的融合方法、伪彩色图像融合法、基于人工神经网络的融合方法、基于多尺度分析的融合方法等。1)加权平均法，加权平均法是一种最简单的图像融合方法，它主要是将多幅源图像对应像素的灰度值进行加权处理。两种具有代表性的加权平均法是主成分分析(PCA)方法和自适应加权平均(AWA)方法。在PCA方法中，首先求出源图像的协方差矩阵，然后根据该矩阵的最大特征值所对应的特征向量确定各源图像的权值。在AWA方法中，主要根据目标特征和对比度大小确定权值。加权平均法的优点是简单直观，大多能够满足实时处理的要求。但当图像中的噪声具有较高的对比度，合成图像中将包含较强的噪声，会使合成的图像信噪比降低；当融合图像的灰度差异比较大时，会出现明显的拼接痕迹，不利于人眼识别和后续目标的识别过程。2)基于统计的融合方法，基于马可夫随机场和基于最大贝叶斯后验概率(MAP)方法是最常用的两种基于统计学的图像融合方法。马可夫方法是将图像定义为二维随机场，所有源图像看作是二维随机场集，图像融合则表示成与模型参数相关的一个代价函数。然后用模拟退火法、期望值最大法等进行全局寻优，找到使目标函数取最大值的模型参数，并以此参数的模型融合源图像，得到最终融合结果。贝叶斯方法是将图像融合问题表示为自然此案好的病态反问题，利用先验知识对融合的贝叶斯估计过程进行约束，得到最优的融合结果。3)伪彩色图像融合法，给予人类视觉系统(HVS)对颜色信息比较敏感的特性，Waxman和Toet等人分别提出了伪彩色图像融合方法，该方法主要通过某种彩色化处理技术将蕴含在原始图像灰度等级中的细节信息以彩色的方式表征出来，从而提高人类视觉系统对图像内容和细节的观察效率。就目前的硬件技术条件而言，该类方法也是较容易实现的图像融合方法。4)基于人工神经网络的融合方法，人工神经网络仿效了生物神经系统处理信息的过程，利用多层处理单元或节点组成各种互联网结构，实现了从输入数据到输出数据非线性的复杂映射关系。人工神经网络的特点使得它很容易实现多个输入到一个输出的数据处理任务，从而使神经网络也能很好地处理图像融合问题。另外神经网络通过样本学习的方式提供一种更加智能化的数据融合方法。然而，要将神经网络方法应用到实际的融合系统中，无论是网络结构设计还是算法规则方面，都有许多基础工作有待解决，如网络模型、网络的层次和每一层的节点数、网络学习策略、神经网络方法与传统的分类方法的关系和综合应用等。5)基于多尺度分析的融合方法，基于多尺度分析的图像融合算法是目前始常使用的像素级融合方法,基本思想是：先对每幅源图像进行多尺度分解(MSD):然后依据一定的融合规则合并各尺度系数：最后利用反变换重速合并的系数得到融合图像。常用的图像多尺度分解方法有：金字塔分解、小波变换以及各种多尺度几何分析。基于多尺度分析的图像融合方法对图像进行融合的过程与人眼视觉系统对图像信的处理极为相似，这类方法对图像的不同频段、不同结构特征的细节信息分別进行处理，可以获取比较好的融合效果。6)其他融合方法，此外，偏微分、离散余弦变换、独立成分分析、形态学分析等技术也常用于图像融合。现有图像融合效率低，融合的图像视觉效果差，细节信息不明显，目标不清晰。加权平均法，当图像中的噪声具有较高的对比度，合成图像中将包含较强的噪声，会使合成的图像信噪比降低；当融合图像的灰度差异比较大时，会出现明显的拼接痕迹，不利于人眼识别和后续目标的识别过程。现有的图像融合算法复杂，执行时间效率低。如基于统计的图像融合中的马可夫方法，将图像定义为二维随机场，所有源图像看作是二维随机场集，图像融合则表示成与模型参数相关的一个代价函数，然后用模拟退火法、期望值最大法等进行全局寻优，找到使目标函数取最大值的模型参数，并以此参数的模型融合源图像，得到最终融合结果。用模拟退火法、期望值最大法等求得全局最优解时，内层循环需要反复多次迭代，很大程度上降低了程序执行的时间效率。现有图像融合方法中，有些基础工作有待解决。如基于神径网络的图像融合方法，其网络模型、网络的层次和每一层的节点数、网络学习策略、神经网络方法与传统的分类方法的关系和综合应用等等都是要首先考虑和需要解决的问题。现有的图像融合方法中，大多离不开传统经典的数学工具。如金字塔分解、小波变换、多尺度几何分析、马可夫随机场、最大贝叶斯后验概率、偏微分、离散余弦变换、独立成分分析等等。这些方法与模糊逻辑运算相比较过于复杂耗时。现有技术，缺乏在windows环境下，以VisualStudio2010为平台，以MFC为编程技术，在同一台机器上实现基于Lukasiewicz三角模算子TLu和Lukasiewicz蕴涵算子RLu的图像融合的方法。综上所述，现有技术存在的问题是：(1)现有加权平均法合成的图像信噪比降低；当融合图像的灰度差异比较大时，会出现明显的拼接痕迹，不利于人眼识别和后续目标的识别过程。(2)现有的图像融合算法复杂，执行时间效率低，很大程度上降低了程序执行的时间效率。(3)现有的图像融合方法离不开传统经典的数学工具，与模糊逻辑运算相比较过于复杂耗时。解决上述技术问题的难度和意义：现有的图像融合方法离不开经典数学模型，运算复杂，有些方法需要大量循环迭代，有的涉及基础工具的解决问题等等。基于模糊算子的图像融合方法只需利用简单的Lukasiewicz三角模算子TLu和Lukasiewicz蕴涵算子RLu，实现需要融合图像的像素之间模糊逻辑运算即可得目标融合图像。此方法不需要复杂的经典数学模型和大量的循环迭代，算法简捷明了，执行效率高。基于经典数学模型的图像融合由于运算复杂，硬件实现难以解决，基于模糊算子的图像融合方法只需对图像像素数据进行简单的模糊逻辑运算，硬件实现简单可行，大大提高执行效率。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于模糊算子的图像融合处理方法及系统。本专利技术是这样实现的，一种基于模糊算子的图像融合处理方法，所述基于模糊算子的图像融合处理方法根据需要融合的两幅图像即源图1和源图2，通过Lukasiewicz蕴涵算子进行像素级学习训练，得到关系矩阵R；以源图1为输入信息，以R为关系矩阵，利用Lukasiewicz三角模算子TLu，得到融合的目标图像。进一步，所述基于模糊算子的图像融合处理方法具体包括：第一步：读取源图像1存入二维数组矩阵X中；读取源图像2存入二维数组矩阵Y中；矩阵X和矩阵Y中的元素均为0～256的整数值；第二步：将X数组转为double型，并存入M数组；将Y数组转为double型，并存入N数组；第三步：将读取的图像数据模糊化，将M数组中的每个元素除以256，并存入A1数组；将N数组中的每个元素除以256，并存入B1数组，将A1数组中的每个元素依次传到AA数组中；第四步：利用Lukasiewicz蕴涵算子RLu学习训练得到关系矩阵R；第五步：以源图像1为输入信息，以R为关系矩阵，利用Lukasiewicz三角本文档来自技高网...

【技术保护点】
1.一种基于模糊算子的图像融合处理方法，其特征在于，所述基于模糊算子的图像融合处理方法根据需要融合的两幅图像即源图1和源图2，通过Lukasiewicz蕴涵算子进行像素级学习训练，得到关系矩阵R；以源图1为输入信息，以R为关系矩阵，利用Lukasiewicz三角模算子TLu，得到融合的目标图像。

【技术特征摘要】
1.一种基于模糊算子的图像融合处理方法，其特征在于，所述基于模糊算子的图像融合处理方法根据需要融合的两幅图像即源图1和源图2，通过Lukasiewicz蕴涵算子进行像素级学习训练，得到关系矩阵R；以源图1为输入信息，以R为关系矩阵，利用Lukasiewicz三角模算子TLu，得到融合的目标图像。2.如权利要求1所述的基于模糊算子的图像融合处理方法，其特征在于，所述基于模糊算子的图像融合处理方法具体包括：第一步：读取源图像1存入二维数组矩阵X中；读取源图像2存入二维数组矩阵Y中；矩阵X和矩阵Y中的元素均为0～256的整数值；第二步：将X数组转为double型，并存入M数组；将Y数组转为double型，并存入N数组；第三步：将读取的图像数据模糊化，将M数组中的每个元素除以256，并存入A1数组；将N数组中的每个元素除以256，并存入B1数组，将A1数组中的每个元素依次传到AA数组中；第四步：利用Lukasiewicz蕴涵算子RLu学习训练得到关系矩阵R；第五步：以源图像1为输入信息，以R为关系矩阵，利用Lukasiewicz三角模算子TLu运算，得到融合的目标图像的模糊矩阵BB；第六步：去模糊化输出得到融合的目标图像；融合图像的模矩阵BB中的每个元素乘以256后再取整即可得到融合的目标图像矩阵INTBB。3.如权利要求2所述的基于模糊算子的图像融合处理方法，其特征在于，所述第四步根据Lukasiewicz蕴涵算子RLu(x,y)＝min(1,1-x+y)，模糊化后的源图数组A1和模糊化后的源图数组B1，将数组A1中的元素...

【专利技术属性】
技术研发人员：陈芳，赵树宇，柏传志，陈伏兵，高秀梅，
申请(专利权)人：淮阴师范学院，
类型：发明
国别省市：江苏,32