[发明专利]一种基于快速NSCT的像素信息估计融合方法

说明书

技术领域

本发明属于图像融合研究领域，具体涉及NSCT(non-subsampledcontourlettransform,非下采样轮廓波变换)的一种基于快速NSCT的像素信息估计融合方法。

背景技术

图像融合是信息融合的一个重要分支，由于单一传感器对场景的信息获取过于片面，多传感器获取的大量信息又势必造成人类理解的困难，因此，将两幅或多幅由不同传感器获得的图像融合为一幅信息量更大的图像，以帮助人类直观地获取全面信息的图像融合技术，成为了至关重要的技术手段。目前，图像融合已经广泛应用于民用、医学、遥感等各个领域，我国也将该技术列为“863”计划，使之成为计算机技术和空间技术等高新产业领域的关键技术之一。

随着数字图像处理技术，矩阵理论等方法的广泛研究，多种图像表示和图像融合算法相继发展起来。相对于传统的空间域融合算法和经典的多分辨率融合算法，基于多尺度几何分析的图像融合技术在近年来得到国内外学者的广泛关注。在多尺度几何分析中，先将源图像通过多尺度滤波，得到一系列分布在不同频率段的图像，再对其中除了低频子图之外的图像进行方向滤波，最终获得一幅低频图像，和与多尺度滤波级别对应的多组高频方向子图。随后根据不同的子图表现出的不同特点，设计对应的图像融合规则，再对融合之后的各组融合子图进行逆变换，获得最终的融合图像。

在实际应用中，由于图像数据的庞大性，以及多次迭代滤波的计算复杂性，基于多尺度几何分析的图像融合算法往往陷入融合质量与消耗时间的矛盾之中。作为目前最优多尺度几何分析方法之一，NSCT在融合质量上的优异表现使其倍受研究者们的关注，但其大量的计算开销又限制了该技术的广泛应用。

发明内容

本发明的目的在于提供一种对NSCT的实现方式进行优化，减少了运算量，提高了NSCT 算法的效率的基于快速NSCT的像素信息估计融合方法。

本发明的目的是这样实现的：

(1)通过NSCT滤波器间的变换整合，生成分解滤波器组；

(1.1)初始化NSP分解滤波器H₀(z）和H₁(z）、NSDFB分解滤波器U₀(z)和U₁(z)，确定NSCT 分解层数K以及每层的方向分解级别l_n，n＝1,2,…,K；

(1.2)依据参数n和l_n，将初始滤波器H₀(z)、H₁(z)、U₀(z)、U₁(z)变换为一系列尺度滤波器和方向滤波器：

U_n,j[z]＝∑_k∈supp(h)U[z-s_n,j]；

其中，为第n级带通滤波器，K是总的分解层数，U_n,j为第n级、j方向的方向滤波器， S_n,j为对U₀(z)、U₁(z)进行第n级、j方向进行变换的采样矩阵；

(1.3)将同一分解流的一系列滤波器进行卷积合并，生成最终的分解滤波器组，并将源图像通过分解滤波器组滤波，获得分解图像，包括一幅低频图像和多幅高频图像；

(2)使用基于像素信息的融合规则对分解得到的低频和高频图像进行系数融合：

(2.1)低频部分：

(2.1.1)计算低频图像的全局信息：

T_low＝(μ_low+M_low)/2；

其中，T_low表示低频图像的全局信息，μ_low和M_low分别表示低频图像灰度直方图的均值和中位数；

(2.1.2)根据像素信息量理论计算融合像素的权值：

ω_vis＝exp(γ*|I_vis(i,j)-T_vis-low|)；

ω_inf＝exp(γ*|I_inf(i,j)-T_inf-low|)；

其中，ω表示权值，下标vis和inf分别表示可见光图像和红外图像，I(i,j)表示坐标为(i,j) 的像素，γ是用于权值比重的参数；

(2.1.3)对源低频图像的像素进行加权，获得融合图像。