基于卷积分析算子的多模态图像融合方法技术

本发明专利技术公开了一种基于卷积分析算子的多模态图像融合方法，包括以下步骤：步骤1，使用快速傅里叶变换分解源图像，分别获得低频分量和高频分量。步骤2，低频分量的融合；步骤3，高频分量的融合；步骤4，根据低频分量的融合结构和高频分量的融合结果重构图像。本发明专利技术的优点是：更好地表达图像特征，显着提高了融合图像的重建质量，更好地保留重建图像中的边缘。

【技术实现步骤摘要】
基于卷积分析算子的多模态图像融合方法
本专利技术涉及图像融合
，特别涉及一种基于卷积分析算子的多模态图像融合方法。
技术介绍
多模态图像在多数场合得到广泛应用，如车站安检、医疗诊断。但是受制于物理成像机制不同，单一模态图像的信息不能够较好地表达场景所需的全部信息。因此为了获得更丰富的细节信息，多模态图像融合技术取得较大地成功来弥补成像机器的不足。并且所获得融合图像可便于后期多模态场景下的目标监测、识别和跟踪。基于多尺度变换的多模态图像融合算法获得的图像出现部分伪影或者过度融合，并且多尺度变换受分解层数和低对比度的制约。《Convolutionaldictionarylearning:Accelerationandconvergence》的作者I.Y.Chun提出了卷积分析算子学习策略，通过该策略获得的字典不仅收敛速度快，而且经过字典重建的图像边缘被较好地保留。
技术实现思路
本专利技术针对现有技术的缺陷，提供了一种基于卷积分析算子的多模态图像融合方法，解决了现有技术中存在的缺陷。为了实现以上专利技术目的本文档来自技高网...

【技术保护点】
1.一种基于卷积分析算子的多模态图像融合方法，其特征在于，包括以下步骤：/n步骤1，源图像分解；/n使用快速傅里叶变换分解源图像y

【技术特征摘要】
1.一种基于卷积分析算子的多模态图像融合方法，其特征在于，包括以下步骤：
步骤1，源图像分解；
使用快速傅里叶变换分解源图像yA与源图像yB，分别获得低频分量{LyA,LyB}和高频分量{HyA,HyB}；
步骤2，低频分量{LyA,LyB}融合；
针对低频分量，采用平均值融合策略，式(1)；



其中LyF是融合后的低频部分；
步骤3，高频分量{HyA,HyB}融...

【专利技术属性】
技术研发人员：张铖方，
申请(专利权)人：四川警察学院，
类型：发明
国别省市：四川;51