本发明专利技术公开了一种基于梳状波和拉普拉斯塔形分解的多源图像融合方法，它涉及图像处理技术领域，其目的在于采用该方法可以充分提取图像的纹理特征，对纹理区域和边缘区域有很好的融合效果，并且能够抑制融合图像中的条纹状失真。该方法的实现步骤为：输入源图像，分别对其进行拉普拉斯塔形分解；求得最终融合图像拉普拉斯塔形分解系数的低频分量；进行逆塔形变换；对仅含源图像高频信息的图像在Ｂｒｕｓｈｌｅｔ变换域中进行融合；求得最终融合图像拉普拉斯塔形分解系数的高频分量；对得到的最终融合图像拉普拉斯塔形分解系数的低频分量和高频分量，作逆塔形变换得到最终的融合图像。该方法可用于合成孔径雷达ＳＡＲ图像、航拍图像、医学图像和红外图像的预处理阶段。
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及该技术在多源图像融合领域中的应用，具体地说 是一种。该方法可用于合成孔径雷达 SAR图像、航拍图像、医学图像和红外图像的预处理阶段。技术背景图像融合是数据融合的一个重要分支。各种单一传感器获取的图像数据在几何、光谱、 时间和空间分辨率等方面存在明显的局限性和差异性，所以仅仅利用一种传感器图像数据 是难以满足实际需求的，特别是在未来战争中，电磁环境将异常复杂，无论是空战、海战 还是陆战以至于陆、海、空相结合的立体战争，都将日益依赖于各种传感器设备。为了对 观测目标有一个更加全面、清晰、准确的理解与认识，人们迫切希望寻求一种综合利用各 类图像数据的技术。因此把不同的图像数据的各自优势和互补性综合起来加以利用就显得 非常重要和实用。多源图像融合可以用于SAR图像，航拍图像，医学图像，红外图像的处 理，对国民经济的发展，国防现代化的建设都有实际的作用。因此，关于多源图像融合技 术的研究具有重要的战略意义和社会效益。目前应用最为广泛的多源图像融合方法是基于小波变换的方法。该方法首先将源图像 进行小波变换，得到包含源图像细节信息的高频分量和包含源图像光谱信息的低频分量， 然后用不同的融合算子分别对源图像的高频分量和低频分量进行融合，得到融合图像的高 频分量和低频分量，最后对融合图像的高频分量和低频分量进行小波逆变换，得到最终的 融合图像。但是随着研究的深入，人们发现小波变换不能充分利用图像本身特有的几何特征，不 是最优的或者说最稀疏的函数表示方法。小波变换在表示点状奇异性是最优的，而对于图 像中边缘、轮廓，曲线等这些二维信息的表示却不是最优的，导致大量无效的分解。而且 小波变换不具有平移不变性，这样就导致了对含有线状区域的目标进行融合时，会在融合 图像的边缘附近产生模糊现象和锯齿状效应，影响融合图像的视觉效果。纹理是图像中最为常见，也是最为重要的特征之一，如遥感图像中的各种地貌特征、 农作物、人工地物和居民区等，都可以看作为具有一定分布范围、方向和粗细度的纹理， 医学图像中各种组织和器官也呈现出不同的纹理。梳状波Brushlet变换是一种新的图像分析工具，可以有效地捕捉图像的方向纹理信息。在图像融合中，利用Brushlet变换可以避 免，在融合图像中产生使用小波变换对图像融合时，在融合图像中产生的边缘模糊及锯齿 现象。然而在使用Brushlet变换对图像进行融合时，会在融合图像的均匀区域引入一种条 纹状失真，特别是在待融合的多源图像的对比度差别很大的时候，条纹状失真非常严重， 影响到融合图像的视觉效果。因此有必要研究一种新的融合方法，能够有效抑制或避免融 合图像的失真。
技术实现思路
本专利技术的目的在于为了克服现有技术中，简单地采用基于变换的方法在融合图像中 存在引入失真的问题，提出了一种， 该方法可以充分提取图像的纹理特征，对纹理区域和边缘区域有很好的融合效果，并且能 够抑制融合图像中的条纹状失真。本专利技术的技术方案是首先对源图像作拉普拉斯分解，将源图像拉普拉斯分解系数的 低频分量直接进行平均，作为最终融合图像拉普拉斯分解系数的低频分量，然后对源图像 低频分量置零后的拉普拉斯系数作逆塔形变换，得到仅含有源图像高频信息的图像，对该 图像在Brushlet变换域中进行融合，得到仅含有源图像高频信息的融合图像，对这幅融合 图像进行拉普拉斯塔形分解，提取分解系数中高频分量作为最终融合图像拉普拉斯塔形分 解系数的高频分量，利用得到的最终融合图像拉普拉斯分解系数的低频分量和高频分量， 作逆塔形变换，得到最终的融合图像。本专利技术技术方案的具体实现过程如下-(1) 、输入源图像/,(;c,力和/2(x，力，分别对其进行拉普拉斯塔形分解，得到源图像的 拉普拉斯塔形分解系数，其中包括低频分量和高频分量，源图像/,(x,力的拉普拉斯塔形分解系数的低频分量和高频分量分别表示为A和A，源图像/2(1，力的拉普拉斯塔形分解系 数的低频分量和高频分量分别表示为Z2和//2;(2) 、对步骤(1)得到的源图像拉普拉斯塔形分解系数低频分量A和^直接进行平 均，作为最终融合图像拉普拉斯塔形分解系数的低频分量4，即^(A+A)/2;(3) 、分别将源图像/,(;c,力和/2(;c，力低频分量置零后的拉普拉斯塔形分解系数进行逆 塔形变换，得到仅含源图像/,(x，力高频信息的图像/,(;c,力和仅含源图像/2(;c,力高频信息 的图像/f(;c,j0;(4) 、对步骤(3)得到的仅含源图像高频信息的图像/f(x,力和/fO,力在Brushlet 变换域中进行融合，得到仅含源图像高频信息的融合图像Oc,力；(5) 、对步骤(4)中得到的图像^Oc,力作拉普拉斯塔形分解，得到图像/^(x,力的拉普拉斯塔形分解系数，取其中的高频分量作为最终融合图像拉普拉斯塔形分解系数的高 频分量/^;(6)、对步骤(2)得到的最终融合图像拉普拉斯塔形分解系数的低频分量；和步骤 (5)得到的最终融合图像拉普拉斯塔形分解系数的高频分量/^，作逆塔形变换得到最终 的融合图像^(x,j;)。上述的，所说的对仅含源图像高 频信息的图像/fO,力和/f(x，力在Brushlet变换域中进行融合，其方法如下(1) 、将含源图像高频信息的图像/,(x,力和/f(:c,少)分别进行Brushlet变换，得到图 像/,(jc,力和/f(jc,力的Brushlet分解系数，其中包括类低频分量和高频分量，图像/，(x,力 的Brushlet分解系数的类低频分量和高频分量分别表示为丄f和//f ，图像/f0c,力的 Brushlet分解系数的类低频分量和高频分量分别表示为《和//f ;(2) 、对类低频分量Zf和《直接进行平均，作为/,(;c，力和/fOc，力的融合图像的 Brushlet分解系数的低频分量《，即《-(Zf+《)/2，并且对图像/f 的高频分量和 图像/f(jc,力的高频分量，采用局域方差融合算子进行融合，得到/,(;c,力和/fOc,力的融 合图像的Brushlet系数的高频分量/^ ;(3) 、对仅含源图像高频分量的融合图像的Brushlet变换的类低频分量g和高频分量 《，作Brushlet逆变换，得到仅含源图像高频信息的融合图像。本专利技术与现有技术相比具有以下优点1、 本专利技术可以有效保留源图像中的纹理和边缘信息，抑制了易在融合图像中产生的 边缘模糊现象和条纹状失真，能够得到目标场景清晰、详细的融合图像。2、 本专利技术中用到的拉普拉斯塔形分解相当于滤波器运算，而Brushlet变换采用的是快 速傅立叶变换，所以整体方法运算速度快，可以进行实时处理。附图说明图1是本专利技术的实现流程2是本专利技术对厂区遥感图像融合结果比较3是本专利技术对高光谱光学相机拍摄的林区图像融合结果比较4是本专利技术对医学图像融合结果比较图具体实施方式参照图1、它是本专利技术的实现流程图。结合图1对本专利技术的实现步骤及具体实施方式说明如下1、 输入源图像/x,力和4(x，力，分别对其进行拉普拉斯塔形分解 拉普拉斯塔形分解是图像的一种多分辨率表示方法。拉普拉斯塔形分解的基本思想是，首先，对源图像进行低通滤波和下采样得到一个粗尺度的近似图像，即分解得到的低 通近似图像，把这个近似图像经过插值本文档来自技高网...
【技术保护点】
一种基于梳状波和拉普拉斯塔形分解的多源图像融合方法，其具体实现步骤如下：（１）、输入源图像Ｉ↓［１］（ｘ，ｙ）和Ｉ↓［２］（ｘ，ｙ），分别对其进行拉普拉斯塔形分解，得到源图像的拉普拉斯塔形分解系数，其中包括低频分量和高频分量，源图像 Ｉ↓［１］（ｘ，ｙ）的拉普拉斯塔形分解系数的低频分量和高频分量分别表示为Ｌ↓［１］和Ｈ↓［１］，源图像Ｉ↓［２］（ｘ，ｙ）的拉普拉斯塔形分解系数的低频分量和高频分量分别表示为Ｌ↓［２］和Ｈ↓［２］；（２）、对步骤（１）得到的源图像拉 普拉斯塔形分解系数低频分量Ｌ↓［１］和Ｌ↓［２］直接进行平均，作为最终融合图像拉普拉斯塔形分解系数的低频分量Ｌ↓［Ｆ］，即Ｌ↓［Ｆ］＝（Ｌ↓［１］＋Ｌ↓［２］）／２；（３）、分别将源图像Ｉ↓［１］（ｘ，ｙ）和Ｉ↓［２］（ｘ，ｙ）低频 分量置零后的拉普拉斯塔形分解系数进行逆塔形变换，得到仅含源图像Ｉ↓［１］（ｘ，ｙ）高频信息的图像Ｉ↓［１］↑［Ｈ］（ｘ，ｙ）和仅含源图像Ｉ↓［２］（ｘ，ｙ）高频信息的图像Ｉ↓［２］↑［Ｈ］（ｘ，ｙ）；（４）、对步骤（３）得到的仅含源 图像高频信息的图像Ｉ↓［１］↑［Ｈ］（ｘ，ｙ）和Ｉ↓［２］↑［Ｈ］（ｘ，ｙ）在Ｂｒｕｓｈｌｅｔ变换域中进行融合，得到仅含源图像高频信息的融合图像Ｉ↓［Ｆ］↑［Ｈ］（ｘ，ｙ）；（５）、对步骤（４）中得到的图像Ｉ↓［Ｆ］↑［Ｈ］（ｘ，ｙ ）作拉普拉斯塔形分解，得到图像Ｉ↓［Ｆ］↑［Ｈ］（ｘ，ｙ）的拉普拉斯塔形分解系数，取其中的高频分量作为最终融合图像拉普拉斯塔形分解系数的高频分量Ｈ↓［Ｆ］；（６）、对步骤（２）得到的最终融合图像拉普拉斯塔形分解系数的低频分量Ｌ↓［Ｆ ］和步骤（５）得到的最终融合图像拉普拉斯塔形分解系数的高频分量Ｈ↓［Ｆ］，作逆塔形变换得到最终的融合图像Ｉ↓［Ｆ］（ｘ，ｙ）。...
【技术特征摘要】
1、一种基于梳状波和拉普拉斯塔形分解的多源图像融合方法，其具体实现步骤如下(1)、输入源图像I1(x，y)和I2(x，y)，分别对其进行拉普拉斯塔形分解，得到源图像的拉普拉斯塔形分解系数，其中包括低频分量和高频分量，源图像I1(x，y)的拉普拉斯塔形分解系数的低频分量和高频分量分别表示为L1和H1，源图像I2(x，y)的拉普拉斯塔形分解系数的低频分量和高频分量分别表示为L2和H2；(2)、对步骤(1)得到的源图像拉普拉斯塔形分解系数低频分量L1和L2直接进行平均，作为最终融合图像拉普拉斯塔形分解系数的低频分量LF，即LF＝(L1+L2)/2；(3)、分别将源图像I1(x，y)和I2(x，y)低频分量置零后的拉普拉斯塔形分解系数进行逆塔形变换，得到仅含源图像I1(x，y)高频信息的图像I1H(x，y)和仅含源图像I2(x，y)高频信息的图像I2H(x，y)；(4)、对步骤(3)得到的仅含源图像高频信息的图像I1H(x，y)和I2H(x，y)在Brushlet变换域中进行融合，得到仅含源图像高频信息的融合图像IFH(x，y)；(5)、对步骤(4)中得到的图像IFH(x，y)作拉普拉斯塔形分解，得到图像IFH(x，y)的拉普拉斯塔形分解系数，取其中的高频分量作为最终融合图像拉普拉斯塔形分解系数的高频分量HF；(6)、对步骤(2)得到的最终融合图像拉普拉斯...
【专利技术属性】
技术研发人员：钟桦，王爽，吴振，常霞，焦李成，侯彪，公茂果，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]
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。