一种利用稀疏表征法权重分析的双波段图像融合方法技术

本发明专利技术公开了一种利用稀疏表征权重分析的双波段图像融合方法，结合稀疏表征法权重分析建模，稳定有效地实现图像融合，有效提高双波段信息的统一表达能力。本发明专利技术包括如下步骤：（1）建立中心周围块数据提取机制，利用稀疏表征方法，构建权重分析模型；（2）对双波段图像进行逐个像素求解获取各自的权重分析图Map；（3）设计融合规则，结合权重分析图，实现双波段图像的融合。本发明专利技术只需要输入双波段图像，可稳定有效地计算实现图像融合。

【技术实现步骤摘要】
一种利用稀疏表征法权重分析的双波段图像融合方法
本专利技术涉及图像处理技术，尤其涉及一种利用稀疏表征法权重分析的双波段图像融合方法。
技术介绍
图像融合旨在将多个成像传感器或单一成像传感器所获取的图像信息加以综合，以获得对场景更加准确而全面的描述。在军事光学成像探测、遥感测绘、公共安全监控等应用领域中，不同波段的成像技术的组合具有非常潜在的应用价值：由于各自的成像特性和它们之间具有的良好互补性，人们往往都利用二者的优势协同成像，并利用图像融合的手段对双波段图像信息进行整合，提高图像的理解度和后续处理能力。近年来，图像融合的开展得有声有色。基于空域的方法是最为方便、运算效率最高。基于空间域的图像融合方法不需要进行任何分解变换，直接对原图像的数据进行操作。典型的方法包括基于灰度值选择的方法，基于像素权值的方法以及基于PCA的方法等。基于空间域的方法原理较为简单，计算量小，应用也最为广泛，其融合规则往往为基于多尺度分解的方法所借鉴。基于稀疏表示的方法也有所涉及，但一般与识别相结合，且常常不在空域内操作，整体流程更为复杂。一般融合方法对图像中显著信息的保留有所不足，往往会降低图像的对比度；此外，不同波段光学成像对探测目标的特征信息具有不同的获取能力，反映在图像上则不同的特征信息，而普通的空域融合方法可能会缺失部分的不同波段的特征，导致信息提取能力的下降。这都影响后续的目标探测与识别等工作的开展。因此，如何建立更合适的图像空域融合方法、在融合图像中充分展现不同波段特征信息是一个重要的研究难题。
技术实现思路
本专利技术针对现有技术的不足，提供一种利用稀疏表征权重分析的双波段图像融合方法，一方面利用稀疏表征手段实现图像信息的权重分析而获取权重图，另一方面结合权重图融合双波段图像，使得融合结果凸显潜在目标信息、保留显著信息。为解决上述问题，本专利技术提出一种利用稀疏表征权重分析的双波段图像融合方法，包括：构建中心周围块法稀疏表征思路基础上的权重分析模型；降维设计加速稀疏求解，并按权重分布设计融合思路，最终实现双波段图像融合。本专利技术具体包括以下步骤：1、构建中心周围块法稀疏表征思路基础上的权重分析模型本专利技术提出稀疏法权重分析的方法主要在衡量潜在目标区域与背景的差异，而这种差异的获取是通过局部计算的。(1)中心与周围图像块的选取对于图像I中的任意一个像素p，以p为中心向周围扩展像素而选取t×q的图像块g，称为中心块，则p为该块的中心像素；同理，p周围的像素也可以提取出与中心块等大的相应的块，称为周围块h，设定这个周围的范围为以p为中心的扩展的T×Q区域，在这个区域内可获取N个周围块。由上已知中心块为g，将这个t×q的灰度块看作一个M×1的向量，其中M＝tq。在T×Q区域内的周围空间块hi(i＝1，2...N)，因为，那么第i个周围块可以被视作空间的M×1向量，该块的元素为hi[m]，m＝1，2...M。所有的周围块hi构成一个M×N的字典矩阵H，H＝{h1，h2...hN}。(2)稀疏表征方程的建立本专利技术用所有的周围块H来表征中心块g，这里未知待求解的参量f可认为是一个N×1的权重向量。本专利技术中，周围块的选择允许重叠，M<<N可以满足，在这种情况下，存在稀疏解f使得周围块集合H来稀疏表征中心块g。于是，类似于查询字典，其是由N个周围块构成的矩阵。那么也就是说，用H里头向量元素的线性组合来表征g时，即g＝Hf，表示线性组合权重系数的向量f应该有很多零值，f是个稀疏向量。为了得到g的稀疏表征f，，要求解f的L0范数最优解：这里||·||0表示L0范数，其表示其中的非零元素的个数。此外，||·||2表示L2范数，ε是容忍系数。由于M<<N，这个问题是病态的。此方程的最优化是一个NP-hard(非确定性多项式non-deterministicpolynomial)问题，，接下去需要做一些近似。在满足M<<N的条件下，只要f足够稀疏，那么这个NP-hard问题可以由最小化L1范数来代替：这里||f||1＝Σi|f[i]|。通过分析方程的优化，最优解f0的求解归结于一个规整化的优化问题：其中λ是规整化因子，用来平衡稀疏性与误差，并且λ>0。(3)稀疏表征f的求解令J(f)对f求偏导，f0为下式的解：它等同于于是，最终优化获取了稀疏表征f0。(4)权重分析图Map对于图像I中的任意像素p，都可以根据(3)中的求解获得f，于是定义像素p处的权重分析图Map的值Map(p)为：Map(p)＝||f0||0即该像素位置处的权重分析图Map的值由此处稀疏解f0的非零元素个数确定于是逐个像素计算中心权重分析图的值，于是得到权重分析图Map。如果某个区域内有潜在的目标区域即人眼感兴趣区域，则其对应的Map值应该很小。这里的这个map矩阵最终需要被归一化处理。2.降维设计加速求解，利用权重图实现融合(1)降维设计事实上，t和q也很小，T与Q稍大。M为信号g的长度，而N是周围块的数量。为了使得稀疏表征模型更完善，必须满足M<<N这个条件。同时，降低数据维度有助于提高计算效率。因此，可以采用特征提取降维，M被减小到D，只是保留了重要的信息特征。令(D<<M)为特征提取变换算子，所有方程中的g，H可以用下式中投射到特征空间后的量来代替：于是，；这里为g，H，R在特征空间的映射。通过特征提取变换，仅保留信号的重要特征信息，能够很好的提高算法的计算效率，并且保持鲁棒性。(2)双波段图像融合针对双波段图像I1与I2，运用上述方法，可以分别获取权重分析图Map为Map_I1，Map_I2。于是，采用下述的融合规则可以获取融合图像F为：与现有技术相比，本技术方案具有以下优点：这种利用稀疏表征权重分析的双波段图像融合方法主要有两个优点：第一，通过稀疏表征方法衡量潜在目标区域与背景的差异，并且逐个像素分析，获取像素级别的权重分析图，非常精确显示出双波段图像中的特征信息区域；第二，降维手段提升权重分析图的运算效率，设计的融合规则简单实用，可有效计算实现双波段图像融合。附图说明图1为本专利技术方法的具体操作流程图；图2a为红外图；图2b为可见光图；图2c为融合图像。具体实施方式为了实现双波段图像融合，本专利技术结合稀疏表征法权重分析建模，在融合图像中凸显有效信息，有效提升融合图像的信息表达能力。下面结合附图，通过具体实施例，对本专利技术的技术方案进行清楚、完整的描述。本专利技术提出一种利用稀疏表征权重分析的双波段图像融合方法的操作框架如图1所示，以图2a、2b为例，令其为图像I1、I2，采用t＝q＝3，T＝Q＝9，其主要包含以下步骤：(1)对于图像I1中的像素p，即I1(p)，首先需要扩展选取对应的t×q大小的中心图像块g，并在T×Q区域内选取与中心块等尺寸的周围图像块hi(i＝1，2，...，N)。这里p若为边界像素，则原图像需要以p为中心镜像扩展来填补而获取中心块与周围块。(2)降维操作本实施例中，C为特征提取变换算子，本专利技术采用对角线元素法，即中心块降维后所代表的为g的主对角线元素；同理对所有的周围块h也降维操作，组建新的周围块矩阵H；(3)经降维后，中心块和每个周围块被视作列向量继续处理，g，，字典矩阵H被定义为，本文档来自技高网...

【技术保护点】
一种利用稀疏表征权重分析的双波段图像融合方法，其特征在于，包括如下步骤：步骤一：对于双波段图像I1与I2，利用稀疏表征方法逐个像素的求解获取对应的权重分析图Map_I1与Map_I2；步骤二：采用下述融合规则获取融合图像F：F=12{[I1Map_I1+I2(1-Map_I1)]+[I2Map_I2+I1(1-Map_I2)]}.]]>

【技术特征摘要】
1.一种利用稀疏表征法权重分析的双波段图像融合方法，其特征在于，包括如下步骤：(1)对于双波段图像I1与I2，利用稀疏表征方法逐个像素的求解获取对应的权重分析图Map_I1与Map_I2；(2)采用下述融合规则获取融合图像F：(3)如步骤(1)中所述的稀疏表征方法逐个像素求解获取对应的权重分析图的方法如下：(3-1)对于图像I1中的像素p，即I1(p)，首先以p为中心扩展选取对应的t×q大小的中心图像块g，并在以p为中心的T×Q区域内选取与中心块等尺寸的周...

【专利技术属性】
技术研发人员：赵巨峰，高秀敏，逯鑫淼，辛青，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33