用于多图像融合的二维多元信号经验模态分解快速算法制造技术

本发明专利技术公开了一种用于多图像融合的二维多元信号经验模态分解快速算法，包括如下步骤：将需要融合的多幅图像组合成一个二维多元信号，作为MA‑BMEMD的输入信号，其中每一幅图像为一个二维信号；将输入的二维多元信号分解到多个空间尺度得到投影信号，采用基于均值估计的二维多元经验模态分解算法将每个二维信号在每个空间尺度的投影信号分解为若干本征模态函数；使用局部方差最大法将同一空间尺度下不同的本征模态函数进行融合，将所有空间尺度的融合后的信号叠加即可得到融合后的图像。本发明专利技术可以在保证BMEMD融合效果的前提下，减少图像空间信息的丢失，且较为显著地减少算法复杂度，降低运算成本。

Fast empirical mode decomposition algorithm for 2-D multi signal fusion

【技术实现步骤摘要】
用于多图像融合的二维多元信号经验模态分解快速算法
本专利技术属于多图像融合领域，具体涉及一种用于多图像融合的二维多元信号经验模态分解快速算法。
技术介绍
图像融合技术时常被运用在两个场景下，一种情况是将多张焦点不同的散焦图片融合在一起形成一张清晰的对焦图片；另一种情况是将同一场景多次曝光的图片进行融合，过度曝光或者曝光不足都会使得图片信息缺失，融合之后会使得图像信息充足。近些年提出来的经验模态分解（EmpiricalModeDecomposition，EMD）是一种完全由数据驱动的信号分解算法。它将信号分解成不同振荡频率的成分，这些成分被称为本征模态函数（IntrinsicModeFunctions，IMFs）。在EMD的基础之上又有了许多扩展性的发展。多元经验模态分解（Multivariateempiricalmodedecomposition，MEMD）通过将多元信号同时映射到不同方向上，得到多元信号的局部均值和信号包络，以此实现对多元信号的分解。二维经验模态分解（BidimensionalEmpiricalModeDecomposition，BEMD）将EMD运用到二维信号上，通过寻找二维曲面的局部极大值和极小值，在此基础上构造均值曲面，从而实现二维信号（图像）的分解。在BEMD基础上提出的一种基于均值估计的快速算法（MeanApproximationBidimensionalEmpiricalModeDecomposition，MA-BEMD）可以实现二维信号的快速分解。但是使用该方法进行图像融合时无法保证待融合的每张图的本征模态函数都分解到相同空间尺度。二维多元经验模态分解（BidimensionalMultivariateEmpiricalModeDecomposition，BMEMD）将多元经验模态分解运用到图像融合上，实现了对不同图像在相同空间尺度上的融合，减少了图像融合时空间尺度的丢失。BMEMD在生成本征模态函数时需要不停地重复筛选过程，且每次筛选过程都需要对极大值和极小值分别进行插值，得到极小值和极大值包络，需要耗费较多地计算时间。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术公开了一种用于多图像融合的二维多元信号经验模态分解快速算法，将一种基于均值估计的快速算法运用到二维多元经验模态分解上，快速地将多张图片分解到相同空间尺度，并在此基础上进行融合。技术方案：本专利技术采用如下技术方案：一种用于多图像融合的二维多元信号经验模态分解快速算法，其特征在于，包括如下步骤：步骤A、将需要融合的多幅图像组合成一个二维多元信号，作为MA-BMEMD的输入信号，其中每一幅图像为二维多元信号中的一个二维信号；步骤B、将输入信号中的每个二维信号同时分解到若干个空间尺度中，得到投影信号，采用基于均值估计的二维多元经验模态分解算法将每个投影信号分解为若干本征模态函数；步骤C、使用局部方差最大法或局部能量最大法将同一空间尺度下不同的本征模态函数进行融合，再将所有空间尺度的融合后的信号叠加即可得到融合后的图像；其中，所述步骤B包括：步骤B1、将输入的二维多元信号投影到若干个方向上，得到每个方向上的投影信号；步骤B2、提取每个方向上的投影信号的极值点；步骤B3、通过投影信号的极值点得到每个二维信号的极值点，结合均值估计快速算法，由极值点得到均值点；步骤B4、使用三次样条插值对每个方向上的所有均值点进行插值，扩充成图像大小，得到每个方向上的均值曲面；步骤B5、将所有方向上的均值曲面进行平均，得到二维多元信号的均值曲面；步骤B6、输入信号减去均值曲面，即为分解出的一个本征模态函数，并判断该本征模态函数是否满足预先设定的停止标准，若不满足，则将该本征模态函数作为输入，若满足，则将均值曲面作为输入，重复步骤B1至B5，直到提取出所有本征模态函数。优选的，所述步骤B3中，在得到的极值点的基础上构造德劳内三角，对于一个德劳内三角，使用重心作为均值点，均值点坐标为，则：其中，德劳内三角的三个顶点分别为，，，顶点坐标分别为、和；为均值点的像素值，为德劳内三角的顶点的像素值，表示三个顶点的权重。优选的，采用等权重划分方式时，；采用基于欧式距离的权重划分方式时，其中表示均值点到第p个顶点的欧式距离。优选的，所述步骤B6中，停止标准为：两次相邻迭代运算的柯西标准差和之间的差异小于事先设定的阈值时，停止迭代，即其中，柯西标准差，M、N是图像的高和宽；代表第x次筛选的结果；为事先设定的阈值。优选的，所述步骤B5中，其中，为第k个方向上的均值曲面，A为二维多元信号的均值曲面。优选的，所述步骤C中，对同一空间尺度的本征模态函数进行融合的步骤包括：步骤C1、计算每幅图像的每个本征模态函数的局部方差或局部能量；步骤C2、计算每幅图像的每个像素点对应的权重矩阵；步骤C3、通过局部方差和权重矩阵计算该空间尺度下融合后的每个本征模态函数；步骤C4、将所有空间尺度下融合后的本征模态函数进行叠加，即可得到融合后的图像。有益效果：本专利技术具有如下有益效果：（1）本专利技术结合了现有技术的优点，成功将二维多元信号（多张图片）同时分解到多个空间尺度，并在此基础上实现了对图像的融合，减少了图像空间信息的丢失；（2）本专利技术在将图像分解得到多个本征模态函数的筛选过程中，使用了基于均值估计的快速算法，不再需要拟合极大值曲面和极小值曲面，通过均值估计的方法直接拟合均值曲面，较大地减少了算法的复杂度，提高了程序效率。附图说明图1为焦点位于图像左下部分的散焦图像；图2为焦点位于图像中上部分的散焦图像；图3为焦点位于图像右下部分的散焦图像；图4为使用MA-BMEMD()方式融合出来的图像；图5为使用MA_BMEMD()方式融合出来的图像；图6为理想全焦点图像；图7为使用BMEMD融合出来的图像；图8为某次筛选过程中，使用均值估计算法计算均值点时产生的德劳内三角示意图；图9为通过均值估计的方法由极值点获得均值点的示意图；图10为现有的BMEMD技术融合多幅图像与本专利技术融合多幅图像定量评价指标示意图；图11为本专利技术的流程示意图。具体实施方式下面结合附图对本专利技术作更进一步的说明。本专利技术公开了一种用于多图像融合的二维多元信号经验模态分解快速算法，涉及二维多元信号的快速处理问题，可以快速将多幅图像融合，可应用于全焦点图像、适度曝光图像、全光谱图像等多种场景，本专利技术使用了一种通过均值估计得到均值曲面的近似算法，改善了经验模态分解时的效率。二维多元经验模态分解用于图像融合的主要思路是将不同的图像同时分解到不同的空间尺度，得到每张图像的二维本征模态函数（BIMFs），最后使用局部方差最本文档来自技高网...

【技术保护点】
1.一种用于多图像融合的二维多元信号经验模态分解快速算法，其特征在于，包括如下步骤：/n步骤A、将需要融合的多幅图像组合成一个二维多元信号，作为MA-BMEMD的输入信号，其中每一幅图像为二维多元信号中的一个二维信号；/n步骤B、将输入信号中的每个二维信号同时分解到若干个空间尺度中，得到投影信号，采用基于均值估计的二维多元经验模态分解算法将每个投影信号分解为若干本征模态函数；/n步骤C、使用局部方差最大法或局部能量最大法将同一空间尺度下不同的本征模态函数进行融合，再将所有空间尺度的融合后的信号叠加即可得到融合后的图像；/n其中，所述步骤B包括：/n步骤B1、将输入的二维多元信号投影到若干个方向上，得到每个方向上的投影信号；/n步骤B2、提取每个方向上的投影信号的极值点；/n步骤B3、通过投影信号的极值点得到每个二维信号的极值点，结合均值估计快速算法，由极值点得到均值点；/n步骤B4、使用三次样条插值对每个方向上的所有均值点进行插值，扩充成图像大小，得到每个方向上的均值曲面；/n步骤B5、将所有方向上的均值曲面进行平均，得到二维多元信号的均值曲面；/n步骤B6、输入信号减去均值曲面，即为分解出的一个本征模态函数，并判断该本征模态函数是否满足预先设定的停止标准，若不满足，则将该本征模态函数作为输入，若满足，则将均值曲面作为输入，重复步骤B1至B5，直到提取出所有本征模态函数。/n...

【技术特征摘要】
1.一种用于多图像融合的二维多元信号经验模态分解快速算法，其特征在于，包括如下步骤：
步骤A、将需要融合的多幅图像组合成一个二维多元信号，作为MA-BMEMD的输入信号，其中每一幅图像为二维多元信号中的一个二维信号；
步骤B、将输入信号中的每个二维信号同时分解到若干个空间尺度中，得到投影信号，采用基于均值估计的二维多元经验模态分解算法将每个投影信号分解为若干本征模态函数；
步骤C、使用局部方差最大法或局部能量最大法将同一空间尺度下不同的本征模态函数进行融合，再将所有空间尺度的融合后的信号叠加即可得到融合后的图像；
其中，所述步骤B包括：
步骤B1、将输入的二维多元信号投影到若干个方向上，得到每个方向上的投影信号；
步骤B2、提取每个方向上的投影信号的极值点；
步骤B3、通过投影信号的极值点得到每个二维信号的极值点，结合均值估计快速算法，由极值点得到均值点；
步骤B4、使用三次样条插值对每个方向上的所有均值点进行插值，扩充成图像大小，得到每个方向上的均值曲面；
步骤B5、将所有方向上的均值曲面进行平均，得到二维多元信号的均值曲面；
步骤B6、输入信号减去均值曲面，即为分解出的一个本征模态函数，并判断该本征模态函数是否满足预先设定的停止标准，若不满足，则将该本征模态函数作为输入，若满足，则将均值曲面作为输入，重复步骤B1至B5，直到提取出所有本征模态函数。


2.根据权利要求1所述的一种用于多图像融合的二维多元信号经验模态分解快速算法，其特征在于，所述步骤B3中，在得到的极值点的基础上构造德劳内三角，对于一个德劳内三角，使用重心作为均值点，均值点坐标为，则：

【专利技术属性】
技术研发人员：方懿德，夏亦犁，裴文江，
申请(专利权)人：江苏集萃移动通信技术研究所有限公司，
类型：发明
国别省市：江苏;32