基于感知哈希算法的图像融合方法技术

本发明专利技术公开了一种基于感知哈希算法的图像融合方法，属于图像处理技术领域。该方法首先将待融合的两幅彩色图像转换为灰度图像，然后对两幅灰度图像进行子块划分，得到一系列子图像，接下来计算子图像的聚焦测度。利用感知哈希算法计算每一对子图像的“指纹”，并计算每一对子图像的“指纹”的匹配程度。最后根据子图像指纹相似度的不同，采取不同的融合策略进行图像融合。本发明专利技术采用感知哈希算法计算子图像相似度，充分考虑了图像不同区域的聚焦程度，有助于准确匹配融合图像的低聚焦区域与高聚焦区域，降低了其他融合方法存在的图像扭曲与失真等问题，充分保留了彩色图像原有的细节信息，提高了融合图像的质量。

Image fusion method based on Perceptual Hashing Algorithm

【技术实现步骤摘要】
基于感知哈希算法的图像融合方法
本专利技术属于图像处理
，具体涉及一种基于感知哈希算法的图像融合方法。
技术介绍
图像融合是将多个成像传感器或同一传感器在不同的时间所获得的关于同一场景的图像信息加以综合，以获得新的关于此场景更准确的描述。图像融合的主要目的是减少由单一成像传感器所获取的图像信息的不确定性，它通过对多幅图像间信息的互补来为后续的决策提供更可靠的信息来源。图像融合技术被广泛地应用于军事安全，医学影像和遥感等诸多领域，取得了许多令人瞩目的成绩。一般而言，图像融合分为像素级融合、特征级融合和决策级融合三个层次。其中像素级融合又分为空间域方法与变换域方法，是图像融合三个层次中最基本的融合，得到的图像具有更多的细节信息。在当前的图像融合研究和应用中，涉及最多的是像素级图像融合，图像融合狭义上指的是像素级图像融合，目前提出的绝大多数的图像融合方法均属于该层次上的融合。常见的红外和可见光图像融合以及遥感图像融合，很多都是从像素级入手，基于已有的融合方法，根据实际情况，来设立融合规则，得到适合实际应用场景的融合图像。像素级融合有利于边缘和纹理的提取，方便对图像做进一步的分析、处理与理解，还能够把潜在的目标体现出来。通过判断潜在的目标像素点，可以尽可能多的保存源图像中的信息，使得融合后的图像不论是内容还是细节均有所增加。常用的像素级图像融合方法有：加权平均方法、对比调制方法、空间域或频率域滤波方法、主成分分析方法、基于颜色模型变换的方法、金字塔分解方法与小波变换等方法，这些方法虽然获得了较好的数据指标，但存在图像的颜色扭曲与失真，无法充分还原彩色图像的细节信息。
技术实现思路
本专利技术提出了一种基于感知哈希算法的图像融合方法，目的在于解决以上图像融合过程中出现的颜色扭曲与失真问题，充分还原彩色图像细节信息，提高融合图像质量。感知哈希算法通过对每张图像生成一个字符串“指纹”，然后比较不同图像的指纹，结果越接近，就说明图像越相似，在图像搜索匹配等领域被广泛应用。该融合方法具体步骤如下：步骤S101，将待融合的两幅彩色图像转换为灰度图像；步骤S102，对两幅灰度图像进行子块划分，得到一系列子图像；步骤S103，计算每一对子图像的聚焦测度；步骤S104，利用感知哈希算法计算每一对子图像的“指纹”；步骤S105，计算每一对子图像的“指纹”的匹配程度，即计算子图像hash指纹相似度；步骤S106，根据子图像指纹相似度的不同，采取不同的融合策略：当子图像相似度匹配程度较高时(相似度大于0.5)，直接选取聚焦测度较大的子图像作为融合结果的一部分，当子图像相似度匹配程度较低时(相似度小于或等于0.5)，采用聚焦测度得到待融合图像的边缘清晰部分进行融合；优选地，所述步骤S103中子图像聚焦测度采用方向统计方法来计算，具体而言是根据当前像素点的邻域像素来计算该像素点在水平、垂直、左对角线(45度角方向)和右对角线(135度角)方向上5个像素的标准差σ和平均值μ，为了抵消不同子图像区域像素值的差异，使用标准差除以平均值作为相应方向上的聚焦测度，4个方向上的聚焦测度平均值作为该像素点的聚焦测度，邻域选取采用以下模板T：优选地，所述步骤S104中子图像的“指纹”的计算过程如下：将子图像每个像素的灰度值与该子图像灰度的平均值进行比较，大于平均值，记为1，小于或等于平均值，记为0，将比较结果组合在一起便得到了该子图像的一个“指纹”。优选地，所述步骤S105中hash指纹相似度的计算采用汉明距离来实现。优选地，所述步骤S106中相似度匹配与融合具体实现过程是：根据每一对子图像计算所得到的相似度，将子图像的匹配程度分为相似与不相似两组。通过实验，本专利技术将hash指纹相似度大于0.5时认定为图像相似，小于或等于0.5时认定为不相似。相似度高的子图像位于待融合图像的非聚焦边缘处，只需要选取清晰部分的子图像，即平均聚焦测度大的子图像进行融合。相似度低的子图像，处于聚焦边缘处，图像扭曲程度较大，需逐点进行对比并进行融合。本专利技术与现有技术相比所具有的有益效果是：第一，本专利技术采用感知哈希算法计算子图像相似度，充分考虑了图像不同区域的聚焦程度，有助于准确匹配融合图像的低聚焦区域与高聚焦区域，可以更好地提取源图像的有效信息。第二，本专利技术通过相似度匹配，以及子图像聚焦测度，对不同聚焦区域采取相应的融合策略，最大程度保留了源图像的细节信息。在实现图像融合的同时，尽可能地降低了其他融合方法所存在的图像扭曲与失真等问题，充分保留了彩色图像原有的细节信息，融合后的图像更大程度地接近源图像的清晰部分。附图说明图1为基于感知哈希算法的图像融合实施步骤框图；图2为实施例中的第一幅源图像IA；图3为实施例中的第二幅源图像IB；图4为实施例中分别采用本专利技术所提出的方法和其他7种方法对图2和图3的两幅源图像进行融合的结果；其中(a)为本专利技术所提出的基于感知哈希算法(PHA)的融合结果图，(b)为基于修正拉普拉斯方法(SML)的融合结果图，(c)为基于梯度(Gradient)的融合结果图，(d)为基于主成份分析(PCA)的融合结果图，(e)为传统小波变换(DWT)的分通道图像融合结果图，(f)为基于二维经验模态分解(BEMD)的融合结果图，(g)为采用分块彩色主成份分析(CPCA)的融合结果图，(h)为基于四元数离散傅立叶变换(QDFT)的融合结果图。具体实施方式为了便于理解和实施本专利技术，现结合说明书附图和实施例对本专利技术的技术方案作进一步详细描述。所描述的实施例仅是本专利技术一部分实施例，并非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提出了一种基于感知哈希算法的图像融合方法，其实施步骤框图如图1所示，本专利技术的方法对IA、IB两幅多聚焦图像进行融合。结合图1，本专利技术的基于感知哈希算法的图像融合方法包括如下步骤：步骤S101，分别将图2所示的源图像IA与图3所示的源图像IB转换为灰度图像，所得到的灰度图像分别记为GrayA和GrayB。步骤S102，分别对两幅灰度图像GrayA和GrayB进行子块划分，得到两组子图像GroupA和GroupB，子图像大小为16×16像素，256级灰度。在GroupA和GroupB中，对应分块位置的两幅子图像称为“一对子图像”。步骤S103，采用方向统计方法来分别计算两组子图像GroupA和GroupB的聚焦测度，具体计算过程如下：对于GroupA和GroupB中的任意一幅子图像，采用图像遍历的方式来计算每一个像素点的聚焦测度。该计算过程是根据当前像素点的邻域像素来计算该像素点在水平、垂直、左对角线(45度角方向)和右对角线(135度角)方向上5个像素灰度值的标准差σ和平均值μ，为了抵消不同子图像区域像素值的差异，使用标准差除以平均值作为相应方向上的聚焦测度，4个方向上的聚焦测度平均值作为该像素点的聚焦测度，邻域选取采用以下模板T：使用模板T可以得到当前像素点的聚焦测度，当模板T遍历完整幅子图像后便得到子图像所有像素点的聚焦测度，将每一个像素点的聚焦测度取平均值来作为整幅子图像的平均聚焦测度。步骤S104，利用感知哈希算法计算子图像GroupA和Group本文档来自技高网...

【技术保护点】
1.基于感知哈希算法的图像融合方法，其特征在于：具体步骤如下：步骤S101，将待融合的两幅彩色图像转换为灰度图像；步骤S102，对两幅灰度图像进行子块划分，得到一系列子图像；步骤S103，计算每一对子图像的聚焦测度；步骤S104，利用感知哈希算法计算每一对子图像的“指纹”；步骤S105，计算每一对子图像的“指纹”的匹配程度，即计算子图像hash指纹相似度；步骤S106，根据子图像指纹相似度的不同，采取不同的融合策略：当子图像相似度匹配程度较高时(相似度大于0.5)，直接选取聚焦测度较大的子图像作为融合结果的一部分，当子图像相似度匹配程度较低时(相似度小于或等于0.5)，采用聚焦测度得到待融合图像的边缘清晰部分进行融合。

【技术特征摘要】
1.基于感知哈希算法的图像融合方法，其特征在于：具体步骤如下：步骤S101，将待融合的两幅彩色图像转换为灰度图像；步骤S102，对两幅灰度图像进行子块划分，得到一系列子图像；步骤S103，计算每一对子图像的聚焦测度；步骤S104，利用感知哈希算法计算每一对子图像的“指纹”；步骤S105，计算每一对子图像的“指纹”的匹配程度，即计算子图像hash指纹相似度；步骤S106，根据子图像指纹相似度的不同，采取不同的融合策略：当子图像相似度匹配程度较高时(相似度大于0.5)，直接选取聚焦测度较大的子图像作为融合结果的一部分，当子图像相似度匹配程度较低时(相似度小于或等于0.5)，采用聚焦测度得到待融合图像的边缘清晰部分进行融合。2.如权利要求1所述的基于感知哈希算法的图像融合方法，其特征在于：所述步骤S103中子图像聚焦测度采用方向统计方法来计算，具体而言是根据当前像素点的邻域像素来计算该像素点在水平、垂直、左对角线(45度角方向)和右对角线(135度角)方向上5个像素的标准差σ和平均值μ，为了抵消不同子图像区域像素值的差异，使用标准差除以平均值作为相应方...

【专利技术属性】
技术研发人员：姜波，郭立强，
申请(专利权)人：淮阴师范学院，
类型：发明
国别省市：江苏,32