一种图像融合方法及装置制造方法及图纸

本发明专利技术实施例公开了一种图像融合方法，该方法得到两幅待融合图像伪极坐标傅里叶变换量，进而获得对应两幅待融合图像的傅里叶谱函数；进一步获得均值谱函数；根据所述均值谱函数定义域在[-π,π]中的所有极小值点，确定经验小波函数及其尺度函数组，根据所述经验小波函数及其尺度函数组，确定一个粗糙层图像矩阵和第二数量个细节层图像矩阵，并融合为一个粗糙层融合图像矩阵和第二数量个细节层融合图像矩阵；将所述粗糙融合图像矩阵和每个细节融合图像矩阵与所述经验小波函数及其尺度函数组进行卷积和相加，得到融合图像的图像矩阵。由于本发明专利技术实施例对不同待融合的源图像使用相同的经验小波函数及其尺度函数组进行分层，减少了融合后图像的信息丢失。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，特别涉及一种图像融合方法及装置。
技术介绍
图像融合在许多理论研究和实际应用中得到广泛的应用。由于成像设备的限制，任何单一的成像传感器都难以实现完整的场景呈现，即不能保证拍摄目标均能获得清晰的成像。而图像融合技术可以采用多个同类/不同类传感器，从相同的场景中捕获图像，并将其按一定规则进行合并，以提供一幅完整的图像，如图1a所示为人脑的CT成像图，能够成像人脑骨骼的信息，但不能够成像人脑软组织的信息，图1b所示为人脑的MRI成像图，能够成像人脑软组织信息，但不能成像人脑骨骼的信息，图1c为经过图像融合后得到的人脑CT-MRI成像图，能够在一张图像中同时成像出人脑的骨骼信息和软组织信息。在现有技术中，多尺度类图像融合算法为使用较多的图像融合算法。这类算法首先将源图像根据形态成分分解成若干待融合层；然后再根据不同的层结构设计不同的融合规则，得到每一分解层的融合系数；最后利用分解算法的逆得到融合图像矩阵，由融合图像矩阵得到融合图像。经验模式分解(EMD)方法常本文档来自技高网...

【技术保护点】
一种图像融合方法，其特征在于，所述方法包括步骤：将两幅待融合图像的图像矩阵分别进行伪极坐标傅里叶变换，对应得到两组伪极坐标傅里叶变换量；根据所述两组伪极坐标傅里叶变换量，获得对应两幅待融合图像的傅里叶谱函数；对所述两个傅里叶谱函数求均值函数，获得一个均值谱函数；根据所述均值谱函数定义域在[‑π,π]中的所有极小值点，确定经验小波函数及其尺度函数组，其中所述尺度函数组中尺度函数的数量和所述极小值点的数量都为第一数量；根据所述经验小波函数及其尺度函数组，将所述两幅待融合图像的图像矩阵分别分解为一个粗糙层图像矩阵和第二数量个细节层图像矩阵；所述第二数量为第一数量减一；将得到的两个所述粗糙层图像矩阵融...

【技术特征摘要】
1.一种图像融合方法，其特征在于，所述方法包括步骤：
将两幅待融合图像的图像矩阵分别进行伪极坐标傅里叶变换，对应得到两组伪极坐标
傅里叶变换量；
根据所述两组伪极坐标傅里叶变换量，获得对应两幅待融合图像的傅里叶谱函数；
对所述两个傅里叶谱函数求均值函数，获得一个均值谱函数；
根据所述均值谱函数定义域在[-π,π]中的所有极小值点，确定经验小波函数及其尺度
函数组，其中所述尺度函数组中尺度函数的数量和所述极小值点的数量都为第一数量；
根据所述经验小波函数及其尺度函数组，将所述两幅待融合图像的图像矩阵分别分解
为一个粗糙层图像矩阵和第二数量个细节层图像矩阵；所述第二数量为第一数量减一；
将得到的两个所述粗糙层图像矩阵融合为一个粗糙融合图像矩阵；
将得到的所述细节层图像矩阵融合为第二数量个细节融合图像矩阵；
将所述粗糙融合图像矩阵与经验小波函数进行卷积运算，将每个细节融合图像矩阵与
所述尺度函数组中对应的尺度函数进行卷积运算，并将所有卷积运算的结果相加，得到融
合图像的图像矩阵。
2.根据权利要求1所述的方法，其特征在于，所述根据所述两组伪极坐标傅里叶变换
量，获得对应两幅待融合图像的傅里叶谱函数，包括：
根据下式获得每个待融合图像的傅里叶谱函数：
其中，Ii为所述待融合图像的标识，表示待融合图像Ii的傅里叶谱函数，
表示待融合图像Ii的伪极坐标傅里叶变换量组，其中θk为预设的伪极坐标
傅里叶变换的角度参数，Nθ为所述角度参数的个数；
所述根据所述傅里叶谱函数，获得均值谱函数，包括：
根据下式获得均值谱函数：
其中，Ii为所述待融合图像的标识，表示待融合图像Ii的傅里叶谱函数，
为所述均值谱函数，Ni为所述待融合图像的个数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述均值谱函数定义域在[-π,π]
中的所有极小值点，确定经验小波函数及其尺度函数组，包括：
将下式确定的所述经验小波函数进行伪极坐标傅里叶反变换，计算所述经验小波函
数：
其中，φ1(p)表示所述经验小波函数，表示所述经验小波函数φ1(p)的伪极坐
标傅里叶变换，γ为预设的经验值，ω1表示所述均值谱函数中横坐标值最小的极小值点的
横坐标值；
将下式确定的所述尺度函数组进行伪极坐标傅里叶反变换，计算所述尺度函数组：
其中，m取值为1,...L-1，L表示所述极小值点的总数，其数值大小等于第一数量，表示所述尺度函数组中的每一个尺度函数，表示尺度函数的伪极坐标傅里
叶变换，ωm表示所述均值谱函数中横坐标值第m小的极小值点的横坐标值，γ为预设的经
验值；
函数β由下式确定：
β(x)=0,x≤01,x≥1x4(35-84x+70x2-20x3),x∈(0,1).]]>4.根据权利要求1所述的方法，其特征在于，所述根据所述经验小波函数及其尺度函数
组，将所述两幅待融合图像的图像矩阵分别分解为一个粗糙层图像矩阵和第一数量个细节
层图像矩阵，包括：
根据下式确定所述粗糙层图像矩阵：
其中，Ii为所述待融合图像的标识，表示图像Ii的傅里叶变换，表示经
验小波函数φ1(p)的傅里叶变换的共轭，表示傅里叶变换的逆变换，表示图像
Ii的粗糙层图像矩阵；
根据下式确定所述细节层图像矩阵：
其中，Ii为所述待融合图像的标识，表示图像Ii的傅里叶变换，表示
尺度函数的傅里叶变换的共轭，表示傅里叶变换的逆变换，m取值为1,...,L-
1，其中L表示所述极小值点的总数，其数值大小等于第一数量，表示图像Ii的每个
细节层图像矩阵。
5.根据权利要求1所述的方法，其特征在于，所述将得到的两个所述粗糙层图像矩阵融
合为一个粗糙融合图像矩阵，包括：
根据下式计算粗糙层图像矩阵的每个元素的系数，其中所述粗糙层图像矩阵
为所述得到的两个所述粗糙层图像矩阵中的任意一个：
其中，r(x,y)表示粗糙层图像矩阵中x行y列的元素系数，表示粗糙
层图像矩阵中x行y列的元素的对比度，表示粗糙层图像矩阵中x行y列的元素的对比度，其中粗糙层图像矩阵表示得到的两个所述粗糙层图像
矩阵中除粗糙层图像矩阵的另一个粗糙层图像矩阵，a为预设的数值，其中，任意粗
糙层图像矩阵中x行y列的元素的对比度由下式确定：
其中，表示任意粗糙层图像矩阵中x行y列的元素的对比度，M、N分别
为所述粗糙层图像矩阵的行数和列数，表示粗糙层图像矩阵中x行y列的元
素值，表示粗糙层图像矩阵中所有非x行y列的元素的元素值；
根据下式计算粗糙层图像矩阵的每个元素的系数：
r′(x,y)＝1-r(x,y)其中，r′(x,y)表示粗糙层图像矩阵中x行y列的元素系数；
将两个所述粗糙层图像矩阵中的每一个元素乘以与其对应的元素系数并对应相加，得
到所述粗糙融合图像矩阵；
所述将得到的所述细节层图像矩阵融合为第一数量个细节融合图像矩阵，包括：
计算每个细节层图像矩阵的模；
在两幅待融合图像的每层细节层矩阵中，取模较大的细节层图像矩阵作为对应...

【专利技术属性】
技术研发人员：白旭，任婧婧，赵海英，陈洪，
申请(专利权)人：北京牡丹电子集团有限责任公司数字电视技术中心，
类型：发明
国别省市：北京;11