【技术实现步骤摘要】
一种多聚焦多源图像融合方法
本专利技术属于图像融合领域，涉及一种多聚焦多源图像融合方法，具体涉及一种基于深度学习与双树复小波技术的多聚焦多源图像融合方法。
技术介绍
随着社会科学技术的不断发展，出现了多重多样的成像设备，比如彩色摄影，彩色红外线摄影，多光谱摄影，手机摄影等，这些成像设备在各行各业被广泛应用。但是由于各个设备本身所带有的摄影局限性，拍摄出来的照片也并不一定能够满足需求。目前，多种技术被应用到多源图像融合领域中。常见的图像融合技术有：小波变换法、轮廓变换法、稀疏表示法等。小波变换法，可以在不同的方向和分辨率上融合对应信息，使融合的图像更加清晰，细节更加丰富。在小波分析的基础下，考虑了低频子带与高频子带的空间关系，提出新的算法成功提高了图像质量，但是该方法在最终图像中留下了一些残留伪影，所获图像受一定影响。一种基于小波变换和灰度特征的像素级图像融合方法，比传统融合方法更加准确、显著、有效，但是它的计算量和使用方法主要是针对具有不同方向文本的图像，不具有广泛性。小波变换法的实现简单，在不同的应用下有很...
【技术保护点】
1.一种多聚焦多源图像融合方法，用于对具有M个聚焦点的源图像进行分解融合叠加处理，其中M为大于1的整数，其特征在于，包括如下步骤：/n基部和细节分离，采用优化算法对所述源图像进行分解获得所述源图像的基部以及细节；/n基部融合，采用双树复小波算法对所述基部进行滤波去噪，从而得到融合基部F
【技术特征摘要】
1.一种多聚焦多源图像融合方法，用于对具有M个聚焦点的源图像进行分解融合叠加处理，其中M为大于1的整数，其特征在于，包括如下步骤：
基部和细节分离，采用优化算法对所述源图像进行分解获得所述源图像的基部以及细节；
基部融合，采用双树复小波算法对所述基部进行滤波去噪，从而得到融合基部FB；
特征提取，采用预训练模型VGG-S对所述细节进行深度特征提取从而获得细节特征；
细节融合，采用多层融合策略重构所述细节特征，接着对所述细节特征选取梯度极大值，从而得到融合细节FD；
基部和细节叠加，将融合完成后的所述融合基部FB以及所述融合细节FD叠加，完成图像融合。
2.根据权利要求1所述的多聚焦多源图像融合方法，其特征在于：
其中，所述优化算法为基于引导滤波的优化分解方法。
3.根据权利要求1和2所述的多聚焦多源图像融合方法，其特征在于，所述基部和细节分离的具体步骤如下：
将所述源图像用矩阵表示为IM，
采用所述基于引导滤波的优化分解方法分离所述源图像的所述基部计算公式为：
其中，gx＝[-11]为水平梯度运算符,gy＝[-11]T为垂直梯度运算符，λ为局部权重参数，
根据计算得到的所述源图像的所述基部计算所述源图像的所述细节计算公式为：
4.根据权利要求1所述的多聚焦多源图像融合方法，其特征在于，所述基部融合的具体步骤如下：
S1，对所述源图像的所述基部分别进行双树复小波变换，从而得到所述基部的多阶双树复小波分解子图像，
S2，对所述多阶双树复小波分解子图像的各阶分解层进行融合处理，从而得到融合后的多阶双树复小波子图像，
S3，对融合后的所述多阶双树复小波子图像进行逆双树复小波变换，从而得到所述融合基部FB。
5.根据权利要求4所述的多聚焦多源图像融合方法，其特征在于，所述步骤S1具体步骤如下：
采用两个独立的小波变换同时作用进行复数小波变换，小波函数为：
Ψ(t)＝Ψh(t)+iΨg(t)
其中，i为虚数，i2＝-1；Ψh(t)和Ψg(t)为实数值小波，
对所述基部FB的每一行进行一次一维双树复小波变换，然后对所述基部的每一列进行一次一维双树复小波变换，从而得到两个平行的小波树，树A和树B，
一级分解，用所述树A表示复小波的实部，所述树B表示复小波的虚部，采用低通滤波器h0(n)和高通滤波器h1(n)对所述树A进行滤波，得到所述树A的尺度函数和小波函数Ψh(t)：
采用低通滤波器g...
【专利技术属性】
技术研发人员：王文举，傅杰，高欣然，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海;31
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。