[发明专利]基于混合多分辨率分解的图像融合方法

说明书

技术领域：

本方法涉及一种图像融合方法，特别涉及一种基于混合多分辨率分解的图像融合方法。

背景技术：

图像融合指按照一定的规则，把同一目标或同一场景的多个传感器的成像或单一传感器的多次成像进行处理，生成一幅新的图像。新图像与原图像相比，信息更全面、精确和稳定。它综合了传感器技术、信号处理、图像处理和人工智能等新兴技术，在军事领域和非军事领域如遥感图像、医学图像、机器视觉上得到了广泛地应用。

图像融合一般可分为像素级图像融合、特征级图像融合和决策级图像融合。其中像素级图像融合是最基本的融合，是特征级和决策级图像融合的基础。图像融合最简单的方法是加权平均法，即将原图像对应像素的灰度值进行加权平均，生成新的图像。这种方法虽然简单但效果比较差。基于Laplacian金字塔、比率低通金字塔、梯度金字塔等图像多分辨率分解的融合方法是图像融合最常用的方法。但是塔形分解是冗余分解，而且不能够很好的表达图像的方向信息。90年代小波变换在图像处理中得到广泛应用，因为其具有的方向性、非冗余性以及具有快速算法等特点，在图像融合中得到了广泛的应用，可获得良好的融合效果。小波变换在分析点状瞬态特性的奇异性时是最优的，但在表示图像结构的直线和曲线奇异性时却不是最优的。

发明内容

为了解决基于小波变换的图像融合方法存在的上述技术问题，本发明提供一种基于混合多分辨率分解的图像融合方法。本发明方法将基于非下采样的轮廓波变换和静态小波变换的融合方法结合起来，可有效提高融合结果图像的质量，达到比较理想的融合效果。

本发明解决上述技术问题的技术方案包括以下步骤：

将两幅源图像进行非下采样轮廓波分解，得到分解后的子带轮廓波高频和低频系数；

根据高频子带系数计算其能量值，选择能量值最大的系数作为融合的高频轮廓波变换系数；

对子带轮廓波分解系数中的低频子带系数进一步进行静态小波变换，得到对应的静态小波变换系数，对静态小波变换系数中的高频分量，采用选择小波系数能量值最大的方法进行融合，对静态小波变换系数中的低频分量通过求平均的方法进行融合，得到融合图像对应的静态小波变换系数，对静态小波变换系数进行逆变换，得到融合的低频轮廓波变换系数；

对融合的轮廓波变换系数进行非下采样的轮廓波逆变换，得到融合的图像。

上述的基于混合多分辨率分解的图像融合方法中，所述能量值的计算包括以下步骤：采用基于窗口的加权平均法，先取每一个像素对应的所有高频系数的平方和，再对其进行基于窗口的加权平均。

本发明的技术效果在于：本发明在图像融合的过程中对每一幅源图像分别进行非下采样轮廓波变换，得到它们的轮廓波分解系数，对其高频分量，采用选择能量值最大的方法进行融合；对低频分量采用基于静态小波变换的图像融合方法进行融合；对融合的轮廓波变换系数进行逆变换，得到最终的融合图像。本发明充分结合了静态小波变换的能够保留源图像角点、纹理等细节信息的特点以及非下采样轮廓波变换具有的方向性和各向异性，能够很好的表达源图像中边缘信息的优点。经实验对比，本发明的融合效果较好，能够使融合后的图像的质量得到较大的提高。

下面结合附图对本发明作进一步的说明。

附图说明

图1为本发明的流程图。

图2为本发明中多聚焦图像融合实例：(a)聚焦在右边的图像；(b)聚焦在左边的源图像；(c)基于轮廓波变换方法得到的融合结果；(d)基于静态小波变换得到的结果；(e)本发明方法得到的融合结果。

图3为医学图像融合实例：(a)CT图像；(b)MRI图像；(c)基于轮廓波变换方法得到的融合结果；(d)基于静态小波变换得到的结果；(e)本发明方法得到的融合结果。

图4为红外可见光图像融合实例：(a)红外图像；(b)可见光图像；(c)基于轮廓波变换方法得到的融合结果；(d)基于静态小波变换得到的结果；(e)本发明方法得到的融合结果。

具体实施方式

参见图1，图1为本发明的流程图。其具体实施步骤如下：

1.将输入的已经配准的源图像分别进行非下采样的轮廓波(NSCT)分解