[发明专利]一种基于非子采样轮廓波变换的图像融合方法

说明书

技术领域

本发明涉及图像融合领域，特别涉及一种基于非子采样轮廓波变换NSCT(Nonsubsampled Contourlet Transform)的图像融合方法。

背景技术

所谓图像融合是指综合两个或多个源图像的信息，以获取对同一场景的更为精确、更为全面、更为可靠的图像描述。图像融合充分利用了多个待融合图像中包含的冗余信息和互补信息。该融合图像应更符合人或机器的视觉特性，以利于对图像的进一步分析、目标的检测、识别或跟踪。

图像融合由低到高也分为三个层次：像素级融合、特征级融合和决策级融合。像素级融合是在图像严格配准的条件下，直接进行像素关联融合处理。特征级融合是在像素级融合的基础上，使用模式相关、统计分析的方法进行目标识别、特征提取，并得到融合结果。决策级融合则是在上述两种处理的基础上，采用大型数据库和专家决策系统，模拟人的分析、推理过程，以增加判决的智能化和可靠性。从上面可以看出，像素级的图像融合，无论作为直接观察，还是作为进一步处理的输入，都是最基本的处理手段。因此，在图像融合研究中像素级图像融合是最活跃，同时研究成果也是最丰富的。本发明属于像素级图像融合，下面的讨论也围绕像素级图像融合展开。

常用的像素平均法和像素加权平均法等单尺度像素级融合算法，具有实现简单、计算量小的优点，但存在融合后图像对比度下降显著，细节模糊，信息损失大等缺点，不利于应用到目标识别中。基于多尺度分解的图像融合方法由于其融合过程是在不同尺度、不同空间分辨率、不同分解层上分别进行的，因此，与单尺度图像融合方法相比，基于多尺度分解的多分辨率图像融合方法可以获得明显改善的融合效果。

基于多尺度分解的融合方法主要从尺度分解方法和融合规则两方面开展研究。

(1)在多尺度分解方面，从拉普拉斯金字塔(参考Burt P.J.，Andelson E.H.The Laplacian pyramid as a compact image code.IEEE Trans.OnCommunication，Vol.31(4)：532-540，1983.)，比率低通金字塔(参考Toet A.，Image fusion by a ratio of low-pass pyramid，Pattern Recognition Letters，Vol.9，No.4，pp.245-253，1989)等发展到得已广泛应用的小波变换法(参考I.Daubechies，Ten Lectures on Wavelets.CBMSNSF Series in AppliedMathematics，SIAM Publications，Philadelphia，1992.)。小波变换虽然可以较好捕获边缘中的不连续点，却对轮廓上的平滑区域提取不理想，同时小波变换仅能提取有限的方向信息，无法应对多方向的边缘提取，小波重构时产生的吉伯斯现象也影响融合质量。最近提出的轮廓波变换ContourletTransform(参考文献Minh N.Do，Martin Vetterli.The Contourlet Transform：An Efficient Directional Multi-resolution Image Representation.IEEETransactions On Image Processing 2004)因其方向滤波器可以准确得到任意方向的边缘信息，而被引入到图像融合中，取得了优于小波融合法的结果。

(2)在融合规则方面，目前的方法大多是直接对像素进行处理，包括对单个像素或者窗口邻域内的像素。此类方法具有结构简单，易实现等特点，但是对于目标的描述往往不是单个像素或者单个窗口领域内的像素所能达到的，所以基于像素的融合方法对于突出目标具有一定的局限性。

发明内容

本发明的目的是提供一种基于非子采样轮廓波变换的图像融合方法，使融合结果既能保留原图像明显边缘特征，又能增大目标与背景的对比度，从而大大提高融合后的图像质量。

本发明按照以下步骤完成：

(1)将源图像A和B分别进行非子采样轮廓波变换，得到低频子图像Y₀^A，Y₀^B和一系列高频子图像Y_k^B，Y_k^B，k＝1，2，...，N，N为高频子图像的个数，由非子采样轮廓波变换中金字塔分解的级数和方向滤波分解的方向数决定；