[发明专利]一种偏振图像融合方法

权利要求书

1.一种偏振图像融合方法，其特征在于：通过下述步骤实现：

步骤1：获得目标偏振图像的偏振参量图像数据；

利用偏振成像系统对目标进行偏振成像，得到偏振成像系统中偏振片的透光轴与水平方向的夹角分别为0°、45°、90°、135°四个偏振方向的出射光强偏振图像I₀、I₄₅、I₉₀、I₁₃₅；进而得到偏振参量图像数据，包括偏振光的斯托克斯参量I、Q、U，以及偏振度P和偏振角θ的参量图像；

步骤2：获得两幅特征基向量图像；

将步骤1中得到的偏振参量图像数据I、Q、U、P和θ，构成p行q列的数据向量矩阵V_p×q；

Vp×q=IQUPθT=I11Q11U11P11θI12Q12U12P12θ···············IM×NQM×NUM×NPM×NθM×N---(1)]]>

其中，M与N为偏振参量数据的行数和列数；

对数据向量矩阵V进行非负矩阵分解，将数据向量矩阵V近似分解为具有p行r列的非负基向量矩阵D_p×r和具有r行q列的非负系数矩阵H_r×q的乘积；且令r=2；则有：

minD,Hf(D,H)≡12Σi=1pΣj=1q[Vij-(DH)ij]2]]>   (2)

s.t.{Dia≥0Hbj≥0∀i,α,j]]>

式(2)中，V_ij为矩阵V中第i行第j列的像素；i=1、2、3、……、p；j=1、2、3、……、q；D_ia代表矩阵D中第i行第a列的像素，H_aj代表矩阵H中第a行第j列的像素；a=1、2；

a、随机初始化矩阵D与H；

b、采用交替乘法更新规则更新矩阵D与H，则有：

Haj←Haj(DTV)aj(DTDH)ajDia←Dia(VHT)ia(DHHT)ia---(3)]]>

得到矩阵D=[D₁，D₂]；矩阵D包含了参与融合的全部偏振参量图像的近似完整信息，可以用于物体偏振信息的近似再现；D₁为矩阵D的第一列像素，作为第一图像矩阵；D₂为矩阵D的第二列像素，作为第二图像矩阵；

e、获得D₁与D₂的清晰度g与方差C：

g=1MNΣi′=1MΣj′=1NΔfx2(i′,j′)2+Δfy2(i′,j′)22---(4)]]>

C=1MNΣi′=1MΣj′=1N[Ii′j′-I‾]2---(5)]]>

式(4)中，Δf_x，Δf_y分别代表图像矩阵x，y方向的差分；i′与j′分别表示偏振参量图像数据中第i′行和第j′列像素，i′=1、2、3、……、M，j′=1、2、3、……、N：

式(5)中，I_i′j′为图像矩阵中第i′行第j′列像素的灰度值；为图像矩阵的平均灰度值，选取D₁和D₂中清晰度和方差较大的一个图像矩阵的特征基向量作为标准基向量，对另一个图像矩阵的特征基向量进行直方图规定化处理，最终得到两幅处理后的特征基向量图像A与特征基向量图像B；

步骤3：得到融合的偏振图像；

将步骤2中得到的两幅特征基向量图像分别送入两个相同的PCNN网络中，利用PCNN模型公式进行N次迭代，分别得到两个特征基向量图像第i′行第j′列神经元的输出Y_i′j′；随后，根据公式R_i′j′(n)=R_i′j′(n-1)+Y_i′j′(n)，迭代计算两个特征基向量图像第i′行第j′列神经元的点火次数R_i′j′；n为迭代次数；

获得两个特征基向量图像的PCNN脉冲次数的匹配度z：

Zi′j′(nmax)=2×RAi′j′(nmax)×RBi′j′(nmax)[RAi′j′(nmax)]2+[RBi′j′(nmax)]2---(6)]]>

式(6)中，Z_i′j′为特征基向量图像第i′行第j′列神经元的匹配度；nmax为最大迭代次数；R_i′j′为特征基向量图像A第i′行第′列神经元的点火次数；为特征基向量图像B第i′行第′列神经元的点火次数；

最终，通过下式对两幅两幅特征基向量图像中的对应神经元进行选取，得到融合后的图像：

式(7)中，I′_i′j′表示融合的偏振图像第i′行第j′列像元的灰度值；R_th为0～1的常数；本发明中R_th优选为0.95；A_i′j′为特征基向量图像A第i′行第j′列神经元；B_i′j′为特征基向量图像B中第i′行第j′列神经元。

GA=RAi′j′(nmax)RAi′j′(nmax)+RBi′j′(nmax);]]>

GB=RBi′j′(nmax)RAi′j′(nmax)+RBi′j′(nmax).]]>

2.如权利要求1所述一种偏振图像融合方法，其特征在于：步骤3中，所述R_th优选为0.95。