[发明专利]基于非下采样轮廓波的多传感器图像自适应融合方法

说明书

技术领域

本发明属于图像处理技术领域，特别说是涉及利用非下采样轮廓波对多传感器图像进行自适应融合的方法。该方法可用于遥感图像、航拍图像的预处理。

背景技术

多传感器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方法。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。

多传感器图像融合方法大体可以分为两类。一类是在空间域上，对匹配后的源图像直接进行加权平均处理，从而得到一幅新的融合图像。这种方法简单易行，但却忽略了不同传感器图像在相应目标区域所包含重要信息量多少的差异，该方法相当于在含有最多信息量的融合图像和含有最少信息量的融合图像之间取一个折衷。当被融合的源图像之间差异较大时，这种方法得到的融合图像会产生明显的人工拼接痕迹，不利于后续的图像处理。对比于此类方法，近些年来，国内外已经提出了很多成功的基于变换的方法。这些方法将多尺度变换作为抽取图像显著特征的工具。它们包括基于塔形分解的方法，如拉普拉斯塔形分解、梯度金字塔、比率低通金字塔等和基于小波的方法。

相比于塔形分解的方法，基于小波的图像融合方法可以提供更好的图像融合性能。然而小波变换的分解和重构实际是低通高通滤波的过程。而在大多数滤波器涉及的插补问题里，会使结果图像产生振铃，因为好的综合函数通常是振荡的。小波变换缺乏平移不变性，不可避免地在融合后图像的尖锐边缘附近的均匀局部区域，引入振铃和抖动。而振铃抖动与下采样时采样的离散特性有关。为了克服小波缺乏平移不变性，已有学者提出了相应的解决办法。目前，非下采样变换的策略是避免振铃现象的首选方法。非下采样轮廓波变换NSCT是一种新的具有平移不变性的多尺度、局域的、多方向的过完备图像表示方法。NSCT满足各向异性尺度关系，有很好的方向性，可以准确地捕捉图像中的边缘轮廓信息和纹理细节信息，适合于表达具有丰富细节及方向信息的多传感器图像。但是由于现有的多传感器图像融合方法，对变换后的低通子带融合模型参数多是采用加权求和的方法进行设定，而多传感器图像融合目标之间的关系并非简单的线性加权关系，并且加权求和需要事先知道各个目标的权重，存在很大的主观偏好性，直接影响了融合后图像的质量，因此有必要采用优化的方法期待获得最佳的参数配置。

发明的内容

本发明的目的在于克服了已有技术的不足，即避免因简单采用基于变换的方法易在融合图像中引入失真的问题，提出了一种基于非下采样轮廓波的多传感器图像自适应融合方法，以提高融合后图像的质量。

实现本发明目的的技术方案是：采用非下采样轮廓波作为对源图像变换的工具，并采用黄金分割法搜索最优的低频子带融合权值，实现自适应图像融合分解，具体实现过程如下：

(1)输入多传感器源图像A和B，并分别对其进行L层非下采样轮廓波NSCT分解，得到低频子带S_L^A(n，m)、S_L^B(n，m)和各个尺度上的高频方向子带{D_l，i^A(n，m)，0≤l≤L-1，1≤i≤k_l}、{D_l，i^B(n，m)，0≤l≤L-1，1≤i≤k_l}，k_l表示在尺度2^-l上的高频方向子带数目，D_l，i^A(n，m)表示源图像A在尺度2^-l上的第i个方向子带，D_l，i^B(n，m)表示源图像B在尺度2^-l上的第i个方向子带，L为3～5；