【技术实现步骤摘要】
一种基于杜鹃搜索算法的Contourlet变换图像融合方法
本专利技术属于智能计算和数字图像处理的交叉应用
,涉及一种Contourlet变换图像融合方法,具体涉及一种基于杜鹃搜索算法的Contourlet变换图像融合方法。
技术介绍
数字图像是人们获取的数字信息的一个重要种类,对于数字图像的处理一直是一个热点。最早的图像融合工作可以追溯到20世纪80年代中期,BurtPJ最早使用拉普拉斯金字塔方法对双筒望远镜图像进行了融合。随着现代影像传感器技术的迅猛发展,影像由单一的可见光模式逐渐发展成多种传感器模式,不同传感器获取的目标信息因其成像方式、使用的电磁波段以及分辨率不同,所反映的目标信息也不同。比如,红外影像、可见光影像,深度影像、多光谱、高光普、高分辨率、合成孔径雷达卫星影像、医学图像中的MRI图和CT图等不同光谱与空间分辨率的图像提供物理特性的互补性,从不同的侧面来揭示着目标本质。融合的概念和技术产生于20世纪80年代,是指在多种信息集成过程中的任一步骤,由不同信息源的信息复合成一种表达形式。影像信息融合是一门综合了传感器、影像处理、信号处理、计算机和人工智能等多种学科的现代高新技术,它是一个对多源传感器(如CCD摄像机、红外探测器、激光探测器、雷达、声呐等)获取的对应同一目标的不同影像数据和其它信息的处理过程,着重于把那些在空间或时间上冗余或互补的多源数据,按一定的规则(或算法)进行运算处理,获得比任何单一数据更精确、更丰富的信息,生成一副具有新的空间、波普、时间特征的合成影像。影像信息融合一般分为三个层次,即像素级融合、特征级融合和决策级融 ...
【技术保护点】
1.一种基于杜鹃搜索算法的Contourlet变换图像融合方法,用于对配准后的源图像A、B进行融合,其中源图像A、B均为灰度图像,且A,B∈RM×N,RM×N是大小为M×N的空间;其特征在于,所述方法包括以下步骤:步骤1:输入两幅源图像A、B,并分别进行Contourlet变换,得到1个低频子带和不同尺度、不同方向的多个高频子带;步骤2:Contourlet系数融合;按照定义的融合规则在所有尺度和方向上对两幅图像的变换系数进行融合,得到融合后的系数;步骤3:融合图像为R;对于融合后的系数,按照其低频子带和高频子带的顺序,依次进行Contourlet逆变换;步骤4:输出融合后的图像。
【技术特征摘要】
1.一种基于杜鹃搜索算法的Contourlet变换图像融合方法,用于对配准后的源图像A、B进行融合,其中源图像A、B均为灰度图像,且A,B∈RM×N,RM×N是大小为M×N的空间;其特征在于,所述方法包括以下步骤:步骤1:输入两幅源图像A、B,并分别进行Contourlet变换,得到1个低频子带和不同尺度、不同方向的多个高频子带;步骤2:Contourlet系数融合;按照定义的融合规则在所有尺度和方向上对两幅图像的变换系数进行融合,得到融合后的系数;步骤3:融合图像为R;对于融合后的系数,按照其低频子带和高频子带的顺序,依次进行Contourlet逆变换;步骤4:输出融合后的图像。2.根据权利要求1所述的基于杜鹃搜索算法的Contourlet变换图像融合方法,其特征在于:步骤1中,将图像A、B进行Contourlet变换,首先假设对输入图像A、B进行L层Contourlet分解,第l层上的方向数为k,其中0≤l≤L;则Contourlet变换过程为:A→(a0,a1,a2,...aL-1,alow);B→(b0,b1,b2,...bL-1,blow);al={Al,0,Al,1,Al,2,...Al,k-1},(0≤l≤L-1);bl={Bl,0,Bl,1,Bl,2,...Bl,k-1},(0≤l≤L-1);其中,alow、blow分别为A、B的低频子带,al和bl分别为图像A、B第l层上的高频方向子带集合,Al,k-1为图像A第l层上的高频子带的k-1方向的分量,Bl,k-1为图像B第l层上的高频子带的k-1方向的分量。3.根据权利要求1所述的基于杜鹃搜索算法的Contourlet变换图像融合方法,其特征在于,步骤2的具体实现包括以下子步骤:步骤2.1:根据步骤1进行Contourlet变换,分解层数为L,每层方向数为k,得到1个低频子带和不同尺度、不同方向的L×k个高频子带,则需要计算的各尺度各方向上的权重总数为L×k+1个;初始化杜鹃搜索算法所需的参数,得到算法的初始种群;其中,参数包括迭代次数Iter、算法的种群规模N、鸟蛋被发现的概率pa、速度步长控制参数η、列维飞行步长控制参数λ、鸟巢的初始空间位置;鸟巢的初始空间位置值向量是相应的每一维对应权重集合中的每一个权重;步骤2.2:利用融合后图像的信息熵计算每个鸟巢的适应度函数值,记录并保留当前最优鸟巢位置A;适应度函数计算公式:其中,P(l)为某灰度值l在图像中出现的概率,L为图像的灰度等级;步骤2.3:通过杜鹃搜索算法中的位置更新公式更新鸟巢的位置,得到一组新解并计算每个鸟巢的适应度函数值,比较这组解的适应度函数值并记其具有最优适应度函数值的位置为B;步骤2.4:用随机数r∈[0,1]与鸟巢的主人发现外来的鸟蛋概率pa对比,并判断:若r>pa,则通过...
【专利技术属性】
技术研发人员:叶志伟,郑逍,王春枝,苏军,张旭,杨娟,孙爽,陈凤,孙一恒,金灿,
申请(专利权)人:湖北工业大学,
类型:发明
国别省市:湖北,42
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。