本发明专利技术公开了一种基于NSCT的图像融合算法，该方法的处理过程是：首先非采样的轮廓波变换(NSCT)对经过均值滤波器滤波(mean)的源图像进行分解，再分别采用平均值和绝对值最大为低频子带和高频方向子带的融合规则，以NSCT的逆运算(inverse?NSCT)进行图像重构，获得初始融合图像；其次，应用均方根误差(RMSE)提取初始融合图像的融合区域(fusion?region)；根据融合区域的特性设计融合规则，最后采用inverseNSCT进行图像融合。实验结果表明，本发明专利技术方法是非常有效，并且融合后的图像符合人眼视觉效果。
【技术实现步骤摘要】
基于NSCT的多聚焦图像融合算法
本专利技术属于图像处理领域，尤其涉及一种基于NSCT的多聚焦图像融合算法。
技术介绍
图像融合是指将众多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。多聚焦图像融合算法是最常用的图像融合算法之一，传统的多聚焦图像融合算法主要分为两种。一种是基于空间领域的方法，该方法通过从众多图像中选择较为清晰的像素点或区域进行融合；另一种则是在频域中进行图像融合。这两种方法中，最为简单的算法为基于空间领域的融合算法，但是这类方法产生的不良后果比较多，例如对比度不明显、块状效应等等。另一种方法是在频域中进行图像融合，该方法主要通过多尺度变换见空域变为频域，并通过相应的融合规则，最后通过拟多尺度变换重构图像，这个重构图像即为融合图像。基于多尺度变换的图像融合算法越来越受到广泛关注，研究表明该类方法的融合效果更接近人类视觉感知。常用的多尺度变换包括拉普拉斯金字塔、曲波、轮廓波、非采样轮廓波变换等，通过大量的实验结果表明，基于多尺度变换的图像融合效果较基于空间的图像融合算法的效果更好，这是因为通过多尺度变换可将图像分为系数子带，而不是空间区域中的像素或块，能够较好地保留图像的细节。基于多尺度图像融合算法需要考虑两种问题，其一是如何选择多尺度变换算法，其二是系数子带的融合规则。大量的研究结果表明:不同的多尺度变换和融合规则直接影响到多聚焦图像融合的效果。文献[I]表明，在多尺度分析中，轮廓波变换(CT)能够最优化的表示图像轮廓，并且已广泛应用到图像融合中，但是文献[2]研究表明轮廓波变换不具备平移不变性，这将导致伪吉布斯现象出现。为了弥补轮廓波的不足，文献[2]提出了非采样的轮廓波变换(NSCT)，文献[3]将NSCT成功应用到图像融合中，并取得了较好的效果。但文献[3]中以平均值和绝对值最大为融合规则，导致了图像融合后的对比度不明显，融合后的图像比较模糊。相关参考文献:[1]L.Yang, B.L.Guo, ff.Li, Multimodality medical image fusion based onmultiscale geometric analysis of contourlet transform, Neurocomputing72 (I)(2008)203-2I1[2]A.L.da Cunha, J.P.Zhou, Μ.N.Do,.The non-subsampled contourlettransform:theory, design, and applications, IEEE Transaction on ImageProcessingl5(12)(2006)3089-3101.[3]Q.Zhang, B.L.Guo, Mult1-focus image fusion using the non-subsampledcontourlet transform, Signal Processing89(2009) 1334-1346.[4] M.Li, ff.Cai , Z.Tan, A region-based mult1-sensor image fusionscheme using pulse-coupled neural network, Patter Recognition Letters 27 (16)(2006)1948-1956.[5]V Aslantas, R.Kurban,A comparison of criterion functions for fusionof mult1-focus noisy images, Optics Communications 282(16) (2009)3231-3242.
技术实现思路
本专利技术的目的是设计一种对比度明显的图像融合算法。为了实现上述目的，本专利技术提出了一种基于NSCT的多聚焦图像融合算法。该算法的具体步骤如下:步骤1:初始融合图像的获得步骤1.1:图像预处理考虑到图像受到噪声等影响，需要对多聚焦图像进行预处理，本专利技术采用均值滤波器对图像A和B进行滤波处理，得到滤波后的图像A'和B'。步骤1.2:图像分解应用NSCT变换将图像A'和图像B'进行分解，得到两图像分解后的低频系数为//'和'，高频系数为和，其中I为尺度分解数，k为方向分解级数。步骤1.3:图像重构采用均值法和绝对值最大法分别作为低频子带和高频方向子带的融合规则，具体见公式⑴和公式(2)。本文档来自技高网...
【技术保护点】
一种基于NSCT的多聚焦图像融合算法，包括如下过程：步骤1：初始融合图像的获得1)采用均值滤波器对两幅多聚焦图像A和B进行滤波处理，得到滤波后的多聚焦图像，分别记为A′和B′；2)应用NSCT变换将图像A′和图像B′进行分解，得到两图像分解后的低频系数为和高频系数为和其中l为尺度分解数，k为方向分解级数；3)采用均值法和绝对值最大法分别作为低频子带和高频方向子带的融合规则，具体见公式(1)和公式(2)；IFL(i,j)=IlA′(i,j)+IlB′(i,j)2---(1)Il,kF(i,j)=Il,kA′(i,j),if|Il,kA′(i,j)|≥|Il,kB′(i,j)|Il,kB′(i,j),if|Il,kA′(i,j)|<|Il,kB′(i,j)|---(2)4)根据上述融合策略，经过NSCT逆变换重构图像，即为初始融合图像F。步骤2：融合区域的提取应用公式(3)计算初始融合图像F和多聚焦图像A′、B′之间在像素点(x，y)的均方根误差，分别记为RMSEA′(i，j)和RMSEB′(i，j)，由此应用公式(4)确定标识矩阵Z，提取初始融合图像的融合区域。RMSEA′(i,j)=(Σa=-MMΣb=-NN(IF(i+a,j+b)-IA′(i+a,j+b))2(2M+1)(2N+1))1/2(3)RMSEB′(i,j)=(Σa=-MMΣb=-NN(IF(i+a,j+b)-IB′(i+a,j+b))2(2M+1)(2N+1))1/2z(i,j)=1,ifRMSEA′(i,j)<RMSEB′(i,j)0,ifRMSEA′(i,j)≥RMSEB′(i,j)---(4)步骤3：建立融合规则本专利技术在窗口大小为m1×n1上确定低频子带和高频方向子带的融合规则。具体如下：1)低频子带的融合策略ILF(i,j)=ILA′(i,j),ifZ(i,j)=1ande(i,j)=m1n1;ILB′(i,j),ifZ(i,j)=1ande(i,j)=m1n1;ILA′(i,j),if0<e(i,j)<m1n1andVIlA(i,j)≥VIlB(i,j);ILB′(i,j),if0<e(i,j)<m1n1andVIlA(i,j)<VIlB(i,j).其中，e(i,j)=Σk1=-(m1-1)/2(m1-1)/2Σk2=-(n1-1)/2(n1-1)/2Z(i+k1,j+k2);VIlA′=1(2m1+1)(2n1+1)Σk1=-(m1-1)/2(m1-1)/2Σk2=-(n1-1)/2(n1-1)/2|IlA′(i+k1,j+k2)-IlA′‾(i,j)|IlA′‾(i,j)α+1;VIlB′=1(2m1+1)(2n1+1)Σk1=-(m1-1)/2(m1-1)/2Σk2=-(n1-1)/2(n1-1)/2|IlB′(i+k1,j+k2)-IlB′‾(i,j)|IlB′‾(i,j)α+1.2)高频方向子带的融合策略Il,kF(i,j)=Il,kA′(i,j),ifZ(i,j)=1ande(i,j)=m1n1;Il,kB′(i,j),ifZ(i,j)=1ande(i,j)=m1n1;Il,kA′(i,j),if0<e(i,j)<m1n1andSFlA(i,j)≥SFlB(i,j);Il,kB′(i,j),if0<e(i,j)<m1n1andSFlA(i,j)<SFlB(i,j).其中，e(i,j)=Σk1=-(m1-1)/2(m1-1)/2Σk2=-(n1-1)/2(n1-1)/2Z(i+k1,j+k),SFlA(i,j)=Σk1=-(m1-1)/2(m1-1)/2&S...
【技术特征摘要】
1.一种基于NSCT的多聚焦图像融合算法，包括如下过程: 步骤1:初始融合图像的获得 1)采用均值滤波器对两幅多聚焦图像A和B进行滤波处理，得到滤波后的多聚焦图像，分别记为A,和B,； 2)应用NSCT变换将图像A'和图像...
【专利技术属性】
技术研发人员：但春林，封长林，
申请(专利权)人：西安元朔科技有限公司，
类型：发明
国别省市：
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。