自适应权重的全变差图像融合方法技术

本发明专利技术为解决基于固定权重的变分融合方法存在易丢失诸如对比度、纹理等细节特征的问题，提出了一种自适应权重的全变差图像融合方法，属于图像处理的技术领域。通过Legendre‑Fenchel变换将本发明专利技术模型转换为鞍点问题，进而在原始对偶算法框架下数值求解该模型，并对融合模型利用MATLAB进行仿真实验，得到融合图像，用峰值信噪比、结构相似度、交叉熵作为评价指标，其中峰值信噪比和结构相似度的数值与图像融合效果成正比，为值越大，图像融合效果越好，而交叉熵为值越小，图像融合效果越好。本发明专利技术能最大限度地保留输入图像的细节信息和亮度信息，与其他方法相比较，得到更为精确的融合结果。

【技术实现步骤摘要】
自适应权重的全变差图像融合方法
本专利技术涉及图像处理
，尤其涉及一种自适应权重的全变差图像融合方法。
技术介绍
随着不同成像技术的发展，图像融合已成为近二十年来的一个重要课题。它是将一个场景的两个或多个源图像融合成一个复合图像，使融合的图像包含更详细的视觉信息。根据融合信息的不同程度，图像融合方法通常分为像素级方法，特征级方法和决策级方法。在像素级方法中，获取融合图像的一个简单方法是使用输入源图像的像素加权平均，但为了从输入源图像中提取更多有用的信息，近年来变分方法在处理图像融合问题时被广泛应用，比如：Wang等人提出了一种基于TV正则项和加权数据保真项的多聚焦图像融合与去噪的变分模型，该模型通过计算源图像的局部平均梯度模量得到权函数，但该模型融合后的图像存在人工伪影。基于此，Pock等人引入了广义总变分(TGV)正则项和加权Huber范数的保真项用于图像融合。最近，Wang和Yang提出了一种新的基于梯度权函数的二阶TGV多聚焦图像和医学图像融合的方法。尽管该方法能够有效保留源图像更多的细节信息，但融合结果仍会产生人工伪影。注本文档来自技高网...

【技术保护点】
1.一种自适应权重的全变差图像融合方法，其特征在于：所述方法包括以下步骤：/n步骤一：获取输入的待融合源图像；/n步骤二：基于输入图像的协方差信息和亮度信息，构建自适应权重的全变差图像融合模型；/n步骤三：采用所构建的全变差图像融合模型对所述的源图像进行融合，得到对应的图像融合结果，再用峰值信噪比、结构相似度、交叉熵作为评价指标，其中峰值信噪比和结构相似度的数值与图像融合效果成正比，为值越大，图像融合效果越好，而交叉熵为值越小，图像融合效果越好。/n

【技术特征摘要】
1.一种自适应权重的全变差图像融合方法，其特征在于：所述方法包括以下步骤：
步骤一：获取输入的待融合源图像；
步骤二：基于输入图像的协方差信息和亮度信息，构建自适应权重的全变差图像融合模型；
步骤三：采用所构建的全变差图像融合模型对所述的源图像进行融合，得到对应的图像融合结果，再用峰值信噪比、结构相似度、交叉熵作为评价指标，其中峰值信噪比和结构相似度的数值与图像融合效果成正比，为值越大，图像融合效果越好，而交叉熵为值越小，图像融合效果越好。


2.如权利要求1所述的自适应权重的全变差图像融合方法，其特征在于：在构建自适应权重的全变差图像融合模型过程中，包括：基于方差最大化方法，引入输入图像的协方差信息和亮度信息，构建自适应权重的全变差图像融合模型。


3.如权利要求2所述的自适应权重的全变差图像融合方法，其特征在于：所述全变差图像融合模型为其中，u表示融合图像，fi表示源图像，g表示源图像的平均亮度，K表示所有源图像的局部协方差矩阵，w表示权重函数，m表示所有源图像的局部均值，α1∫Ω|Du|表示融合图像u的全变差正则项，为数据保真项，∫Ω|Dw|表示权重函数的全变差正则项，和分别保证了融合后图像的方差最大以及保留了源图像的平均亮度，是为了保证关于变量w的函数的凸性。


4...

【专利技术属性】
技术研发人员：闵莉花，罗群女，张俊康，崔强，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32