基于小波变换的导向显著性图像融合方法技术
【技术实现步骤摘要】
基于小波变换的导向显著性图像融合方法
本专利技术涉及机器视觉与模式识别领域，具体涉及基于小波变换的导向显著性图像融合方法。
技术介绍
单幅图像可以有效表征某些颜色通道中传输信息，但往往不能表征所有完整的图像信息。例如，在可见光下获得的图像可以显示场景细节，然而，它们缺乏有效的对比度；相反，红外图像可以有效地表达图像对比度，但不能清晰表征图像细节。为了获得完整的图像信息和发现有用的细节信息，亟须一种有效的融合方法，从而既可以表征图像信息，又有较好的对比度，这就要求有效地结合不同的源图像。目前，这些方法被广泛应用于遥感图像分析、自动识别、计算机视觉和目标跟踪等研究领域。近年来，许多研究者提出了有效的融合方法，大致可以分为两类：基于多尺度分解的融合和基于稀疏表示的融合。基于多尺度分解的融合方法以拉谱拉斯金字塔和小波变换为重点。H.Li提出了一种用于多源图像融合的小波变换方法。Q.Zhang提出了一种非采样Contourlet变换作为图像融合方法。这里，对于低频数据，采用方向模态值法选择融合规则，而对于高频数据，则按方向矢量的带限对比度和标准差(SD)方向设置。S.Y.Y...
【技术保护点】
基于小波变换的导向显著性图像融合方法，其步骤包括：步骤1，计算源图像的显著图谱：根据图像的空间频率信息，计算源图像的显著图谱。步骤2，构建基于显著图谱的权重图：首先对源图像和对应图像的显著图谱分别进行单层小波分解，然后结合带有引导梯度的导向滤波，构建每幅图像的小波系数和尺度系数的权重图。步骤3，生成融合图像：根据小波分解的源图像和对应的权重图谱，线性融合形成融合图像，然后进行小波逆变换。
【技术特征摘要】
1.基于小波变换的导向显著性图像融合方法，其步骤包括：步骤1，计算源图像的显著图谱：根据图像的空间频率信息，计算源图像的显著图谱。步骤2，构建基于显著图谱的权重图：首先对源图像和对应图像的显著图谱分别进行单层小波分解，然后结合带有引导梯度的导向滤波，构建每幅图像的小波系数和尺度系数的权重图。步骤3，生成融合图像：根据小波分解的源图像和对应的权重图谱，线性融合形成融合图像，然后进行小波逆变换。2.根据权利要求所述基于小波变换的导向显著性图像融合方法，其特征在于，所述步骤1包括：将源图像与高通log滤波卷积，获取源图像的高频信息。3.根据权利要求1所述基于小波变换的导向显著性图像融合方法，其特征在于，所述步骤2包括：首先对源图像和对应图像的显著图谱分别进行单层小波分解，然后结合带有引导梯度的导向滤波，构建每幅图像的小波系数和尺度系数的权重图。4.根据权利要求1所述基于小波变换的导向显著性图像融合方法，其特征在于，所述步骤3包括：根据小波分解的源图像和对应的权重图谱，线性融合形成融合图像，然后进行小波逆变换。5.根据权利要求1所述基于小波变换的导向显著性图像融合方法，其特征在于，所述步骤1中，每幅图像的显著图谱Sai就是图像中的高频信息，即通过对应的源图像imi与高通log滤波HFlog卷积获得，具体定义如下：Sai＝imi*HFlog(1)。6.根据权利要求1所述基于小波变换的导向显著性图像融合方法，其特征在于，所述步骤2中，每幅图像的显著导向图谱通过式(2)定义，具体表征如下：其中max(.)表示最大函数，变量th是一个预定义的阈值，这个值通过每幅图像的局部对比度和清晰度自适应选择，x是图像的像素坐标。7.根据权利要求6所述基于小波变换的导向显著性图像融合方法，其特征在于，具体包括如下步骤：首先，对所有源图像和引导显著图谱进行小波分解这里,cAio和cAig分别表征第i个源图像和导向显著图谱的近似系数；cHio,cVio,和cDio分别表征第i个源图像的水平方向，垂直方向和对角方向的细节系数矩阵；cHig,cVig,andcDig分别表征第i个导向显著图谱的水平方向，垂直方向和对角方向的细节系数矩阵；接着，通过带导向显著图谱cAig的增强滤波对由小波分解的近似系数cAio进行滤波，获得对应的系数权重图谱，具体表达如下：其他小波细节系数cHio,cVio,和cDio同样按照上述过程进行滤波，获得对应的权重图谱，具体如式(5)表征；这里的参数r是局部窗口半径的大小，λ是正则化参数；为了融合的需要，将这些权重图谱进行归一化，即
【专利技术属性】
技术研发人员：相入喜，朱锡芳，吴峰，熊超，李辉，许清泉，
申请(专利权)人：常州工学院，
类型：发明
国别省市：江苏,32
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。