[发明专利]一种基于分割尺度可伸缩的图像融合方法

说明书

技术领域

本发明涉及一种基于分割尺度可伸缩的图像融合方法，属于信息融合领域。

背景技术

图像融合是指将两个或两个以上的传感器在同一时间(或不同时间)获得的同一场景图像进行融合，形成一幅综合多幅图像优点的、包含更加丰富信息的图像。通过对多传感器系统的图像进行融合，可以克服单一传感器图像在光谱、几何、空间分辨率等方面存在的局限性和差异性，并且利用各传感器图像得到单一传感器所不能获得的特征信息，更加准确、可靠、全面地获取对目标或场景的信息描述。

图像融合方法的分类可以分为基于空间域的图像融合和基于变换域的图像融合。基于空间域的图像融合是直接在图像像素灰度空间上进行的融合，该方法过程简单，融合速度快，但会模糊源图像的一些重要信息(边缘、轮廓等)。如果源图像的对比度大，则融合后的图像会出现明显的“方块现象”。基于变换域的图像融合，首先对源图像分别进行图像变换，然后对变换后的系数再按照一定的准则进行融合，最后对融合后的系数进行逆变换得到融合后的图像，这种方法能避免重要信息丢失，防止出现“方块现象”，但计算复杂度较高。因此，本发明提出了一种基于分割尺度可伸缩的图像融合方法，结合了空间域和变换域两类融合方法，保留各自优点，解决以上不足。

发明内容

针对基于变换域的图像融合方法复杂度较高、基于空间域的图像融合方法的融合图像质量低的问题，提出了一种基于分割尺度可伸缩的图像融合方法。本发明所述方法：首先，对源图像A和B进行分割区域；然后，判断源图像A和B对应区域的平均梯度差值绝对值是否大于阈值T，若是则取平均梯度大的作为融合图像的候选区域，若不是则对源图像A和B对应区域进行基于变换域的图像区域融合，形成融合图像的候选区域；最后，对所有候选区域进行拼接形成融合图像。本发明能降低计算复杂度，同时也能获得较好的融合图像质量。

本发明提供了一种基于分割尺度可伸缩的图像融合方法，包括以下步骤：

步骤一、输入源图像A和B，通过边缘检测算法定位边缘，划分成若干区域；

步骤二、通过聚类算法对源图像A和B进行区域填充；

步骤三、按尺度可调对源图像A和B进行划分规则矩阵子区域S_A＝{S_A1,S_A2,...,S_Am}和S_B＝{S_B1,S_B2,...,S_Bm}，其中m为大于0的正整数；

步骤四、依次计算源图像A和B对应子区域的平均梯度差值绝对值其中分别是S_A、S_B中对应的第i个子区域的平均梯度，并将与阈值T比较；

步骤五、若大于阈值T，取子区域平均梯度大的作为融合图像第i个候选子区域S_C1i，若小于或等于阈值T，则对源图像A和B对应子区域S_Ai和S_Bi进行基于小波变换的图像区域融合，融合成候选子区域S_C2i；

步骤六、对所有候选子区域进行拼接S_C1i∪S_C2i，形成融合后的图像S_C。

综上所述本发明具有如下优点：

1、图像区域分割采用边缘检测算法和聚类算法的结合，可以避免划分区域的重叠；

2、划分的区域规则化尺度可以根据用户的实际考虑进行伸缩变化；

3、对于对应规则区域平均梯度相差较大的情况，选取平均梯度大的作为融合后的图像区域，能保证融合后图像的清晰度同时降低计算复杂度，对于对应规则区域平均梯度相差较小的情况，进行基于小波变换的图像区域融合，有助于突显边缘信息，防止出现“方块效应”。

附图说明

图1基于分割尺度可伸缩的图像融合方法流程图。

具体实施方式

结合图1说明具体实施方式如下：

步骤一、输入源图像A和B，通过边缘检测算法定位边缘，划分成若干区域；

步骤二、通过聚类算法对源图像A和B进行区域填充，区域填充的步骤为：

1)计算区域边缘像素点集对区域边缘像素点集的平均灰度值的偏差程度，用方差表示为其中表示第i块区域的边缘像素点集的平均灰度值，h_ij表示第i块区域的第j个边缘像素点的灰度值，z表示边缘像素点个数；

2)在划分的区域内任选取一个点v，即表示灰度值，计算该点对区域边缘像素点集的平均灰度值的偏差程度