[发明专利]结合CS-CT-CHMM的噪声图像融合新方法

权利要求书

1.一种结合CS-CT-CHMM的噪声图像融合新方法，其特征在于，首先对包含一定水平高斯白噪声的源图像采用CS-CT-CHMM去噪方法进行降噪处理，其中上下文Context的构造根据Contourlet分解系数的父节点、两个最近表兄弟节点及当前节点的邻域熵值计算所得；对去噪后的图像执行Shearlet变换，低频子带系数采用简单的加权平均融合策略，高频子带系数利用改进的IPCNN模型设计融合规则，最后执行Shearlet逆变换获得最终的融合图像。 

2.根据权利要求1所述的结合CS-CT-CHMM的噪声图像融合新方法，其特征是，包括以下具体步骤： 

(1)对含噪声图像NI_A、NI_B进行循环平移操作，再对平移后的图像执行Contourlet变换，分解得到不同尺度、不同方向的子带系数

其中j表示分解尺度，k表示每尺度分解的方向子带数目，i，l表示j尺度、k方向子带系数的位置索引，N_j表示相应子带的系数总个数； 

(2)根据所提出的新的上下文设计方案计算Contourlet高频子带系数对应的V值； 

(3)保留低频子带系数不变，对高频子带系数分别进行Contourlet域CHMM统计建模，并采用优化的迭代期望最大化EM算法分初始化(Initialization)和迭代训练(Iterative EM Training)两步估计模型参数集合

(4)采用蒙特卡罗(Monte Carlo)统计模拟方法估计各个方向子带的噪声方差水平

(5)采用下式计算Contourlet域去噪后的系数

式中，当x≥0时，(x)₊＝x；当x<0时，(x)₊＝0； 

(6)对去噪后的系数执行Contourlet域逆变换(重构)得到图像，再进行逆向循环平移操作，获得最终的去噪图像CI_A、CI_B； 

(7)对去噪后的图像CI_A、CI_B分别执行多尺度、多方向Shearlet变换，得到低频子带系数和一系列高频子带系数j，k分别表示高频子带系数的尺度和方向参数； 

(8)对低频子带系数采用简单的加权平均融合策略进行融合，融合后的低频子带系数为： 

(9)对高频子带系数采用改进的IPCNN模型设计融合规则，融合后的高频子带系数为

(10)对高、低频融合子带系数执行Shearlet逆变换，获得最终的融合图像I_F。