[发明专利]一种多源图像融合方法

说明书

技术领域

本发明涉及图像融合领域，具体涉及一种多源图像融合方法。

背景技术

现有技术的图像融合的处理通常为像素级、特征级、决策级。像素级图像融合主要是针对初始图像数据进行的，其目的主要是图像增强、图像分割和图像分类，从而为人工判读图像或进一步的特征级融合提供更佳的输入信息，像素级图像融合，依赖于传感器感应器件的灵敏性，对远距离的图像需要采用高分辨能力的传感器；特征级图像融合是指从各个传感器图像中提取特征信息，并进行综合分析和处理的过程，提取的特征信息是像素信息的充分表示量或充分统计量，典型的特征信息有边缘、形状、轮廓、角、纹理、相似亮度区域等，特征融合不是图像信息的全部，往往在表示出特征的同时，忽略了图像全局；决策级图像融合是对来自多幅图像的信息进行逻辑推理或统计推理的过程，一个决策函数的建立往往需要大量的样本进行长时间的决策函数验证运算，对图像采用决策级的融合需要耗费大量时间和占用大量内存。

发明内容

有鉴于此，为了解决上述问题，本发明公开了一种多源图像融合方法，利用基于小波核的支持度变换和抗混叠轮廓波结合，在图像特征提取阶段实现了多尺度有方向性的特征提取，同时减少了图像重构“划痕”现象；利用最大绝对值和脉冲耦合神经网络结合，获得高精融合高、低频信息，有效提取了图像的显著特征，同时提高了融合后图像整体的视觉效果。

本发明的目的是这样实现的：一种多源图像融合方法，包括以下步骤：

1)采用小波核函数对待融合图像建立多尺度支持度滤波器；

2)使用多尺度支持度滤波器对各待融合图像进行支持度变换，分别产生高、低频信息；

3)使用抗混叠轮廓波变换方法对高、低频信息进行处理，获得高、低频抗混叠信息；

4)对各待融合图像的低频抗混叠信息，采用脉冲耦合神经元网络融合规则，选取各待融合图像中可被触发的低频抗混叠信息作为融合后的低频信息；

5)对各待融合图像的高频抗混叠信息使用绝对值最大选取融合规则方法，选取各待融合图像各像素点对应的绝对值最大的高频抗混叠信息作为融合后的高频信息；

6)对被选取的融合后的高、低频信息分别进行抗混叠轮廓波逆变换和支持度逆变换，生成融合图像。

进一步，步骤1)中，利用小波核函数构建多尺度支持度滤波器原型Q1，在多尺度支持度滤波器原型Q1的纵横向利用多孔小波滤波器原理填零，实现多尺度变换滤波器的构造，得到多尺度支持度滤波器；

其中，多尺度支持度滤波器原型为：

Q1=A(Y-b1→)]]>

b＝B^TY，A＝Ω^-1，

Ω＝K+I/γ，γ为正规化因子，I为单位阵；

K中元素满足k_i，j＝K(x_i，x_j)＝<φ(x_i)^T·φ(x_j)>i，j∈[1，2n+1]，且φ(x)为小波核函数；

Y中元素满足Y_ij＝i×j，i∈[1，2n+1]，j＝1；

n为自然数，用于确定多尺度支持度滤波器原型Q1的尺度大小；

进一步，步骤2)具体包括以下步骤：

21)将各尺度的多尺度支持度滤波器与待融合图像进行支持度变换，得到分解后的高频信息：

DM_h＝Q_h*M_h；

其中，M₁为待融合的原始图像，当h≥2时，M_h为第h层低频信息；

DM_h为第h层高频信息，Q_h为第h尺度的多尺度支持度滤波器；

DM_h为Q_h和M_h的卷积结果；

h∈[1，n]，h为分解级数，n≥1；