[发明专利]基于线性正则变换的图像融合方法

说明书

技术领域

本发明涉及基于线性正则变换的图像融合方法，属于信息融合领域，适用 于多聚焦图像的融合。

背景技术

随着传感器技术的飞速发展，越来越多的传感器应用于各个领域中。系统 中传感器数量的不断增加，系统获得信息的多样性以及信息量的急剧增加，使 得以往的信息处理方法已无法满足这种新的情况，不能很好的适用于多传感器 组合使用所带来的新问题，必须发展新的方法和技术去解决面临的新问题。信 息融合正是基于这种需求所发展起来的一种新的方法。来自多个传感器的信号 所提供的信息具有冗余性和互补性，信息融合可以最大限度地获取对目标或场 景的完整信息描述。

图像融合是信息融合范畴内主要以图像为对象的研究领域，它所处理的数 据主要是各种图像。多聚焦图像融合是图像融合的一个典型的研究领域。光学 传感器对某一场景进行成像时,由于场景中不同目标与传感器的距离可能不同, 这时想使场景中的所有目标都成像清晰是非常困难的,而采用多传感器图像融 合技术可以完成这一目标。即针对不同的目标得到多幅图像,经过融合处理,提 取各自的清晰信息,综合成一幅新的图像,便于人眼观察或计算机进一步处理。 多聚焦图像融合技术能够有效地提高图像信息的利用率、系统对目标探测识别 的可靠性。这些优点使得多聚焦图像融合技术可以广泛地应用于机器视觉和目 标识别等领域。

多聚焦图像融合技术可分为空域图像融合技术和变换域图像融合技术。大 量研究表明，空间域融合方法缺乏细节表现力，难以分辨图像中的清晰区域和 边界特征，融合图像往往存在对比度低、细节模糊以及块效应等问题。与空域 图像融合技术相比，变换域图像融合技术更受关注，因为在变换域图像融合是 在不同尺度和方向上对图像特征进行融合处理，融合图像不会出现人为的拼接 痕迹，具有良好的可视效果和融合一致性。本发明专利提出的基于线性正则思 想的融合属于变换域融合技术。

在变换域图像融合技术中，时频分析方法受到了很多学者的青睐，利用图 像在频域的能量聚集性，可以得到较好的融合图像。例如小波变换把图像分解 为低频图像和三个方向的高频图像；离散余弦变换把图像分解为低频、中频和 高频图像。线性正则变换(LCT)是在上世纪70年代提出的一种时频变换，最初 应用于光学领域，随之成为了信号处理领域的研究热点之一。它具有3个自由参 量，当选取不同的矩阵参数时，它能够转变为传统傅里叶变换、分数阶傅里叶 变换和Fresnel变换，因此在进行图像处理时，参数的灵活性使得它获得比传统 的变换更好的特性。

发明内容

本发明的目的是为了提供一种基于线性正则变换的图像融合方法方法，该 方法基于自线性正则函数的分解和重构，能够有效的提高融合图像的质量。

本发明的目的是通过下述技术方案实现的。

基于上述自线性正则函数分解和重构理论，结合离散余弦变换(DCT)或离 散正弦变换(DST)得到融合图像,简记两种融合方法分别为：SLCFs+DCT， SLCFs+DST。

本发明基于线性正则变换思想的图像融合技术，实现融合的步骤如下：

步骤1：分解原图像f_i(x,y)(i＝1,2)为M个图像g_i(x,y)_M,L(L＝1,2…,M)， 其中g_i(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g_i(x,y)_M,L做T[·]得到变换系数，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。

步骤1所述的分解方法如下：

任意一个图像f(x,y)都可分解为M个图像g(x,y)_M,L，即