[发明专利]基于线性正则变换的图像融合方法在审
申请号: | 201610030862.8 | 申请日: | 2016-01-18 |
公开(公告)号: | CN105574835A | 公开(公告)日: | 2016-05-11 |
发明(设计)人: | 李炳照;郭勇;解延安;鲁溟峰 | 申请(专利权)人: | 北京理工大学 |
主分类号: | G06T5/50 | 分类号: | G06T5/50 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100081 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 线性 正则 变换 图像 融合 方法 | ||
1.基于线性正则变换思想的图像融合方法,其特征在于:实现融合的步骤如下:
步骤1:分解原图像fi(x,y)(i=1,2)为M个图像gi(x,y)M,L(L=1,2…,M),其中gi(x,y)M,L是不变的线性正则函数(SLCFs);
步骤2:对步骤一得到的每个gi(x,y)M,L做T[·]得到多组变换系数,其中T[·]代表DCT或DST;
步骤3:对步骤2得到的多组变换系数进行融合,所述融合规则为绝对值最大的融合规则,得到新的变换系数;
步骤4:对步骤3得到的新的变换系数做T-1[·],利用公式(1)重构得到融合图像。
2.如权利要求1所述的基于线性正则变换思想的图像融合方法,其特征在于:所述步骤1的分解方法如下:
任意一个图像f(x,y)都可分解为M个图像g(x,y)M,L,即
其中每一个g(x,y)M,L都是自线性正则函数(SLCFs)。
3.如权利要求1或2所述的基于线性正则变换思想的图像融合方法,其特征在于:所述步骤1的分解方法的具体步骤如下:
首先二维信号f(x,y)的LCT变换可以表示为:
其中RA是LCT算子,矩阵参数满足ad-bc=1,核函数满足
KA(u,v;x,y)=KA(v,y)KA(u,x),
当b≠0时,令a=γ/β,b=1/β,c=-β+αγ/β,d=α/β,则具有三个自由量的核函数为
本专利研究对象为M×N的二维图像,记为f(m,n).在此仅考虑矩阵参数b≠0的情况;
令
δx=(M|β|)-1/2,δy=(N|β|)-1/2,x=mδx,y=nδy(m=1,2,…M,n=1,2,…,N),那么f(m,n)的离散线性正则变换(DLCT)可以表示为:
其中
其次,若函数f(x,y)满足RAf(x,y)=c0f(x,y),那么f(x,y)是一个自线性正则函数,其中是一个复常数。
由Parserval等式知|c0|=1,并且是实数;已知LCT算子RA关于特征值c1=exp[-j(n+1/2)θ]的特征函数为
其中Hn(u)是Hermite多项式,θ,λ和ξ分别定义为:
我们在本专利中仅考虑当|a+d|<2时,θ,λ和ξ都是实数的情况;
最后基于以上的知识,可以得到:如果矩阵参数满足ad-bc=1和那么自线性正则函数g(x,y)M,L可以由任意生成元函数f(x,y)生成,即
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610030862.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于惯量矩的椭圆拟合方法
- 下一篇:极端天气条件下低质图像增强方法