[发明专利]基于四元数小波变换的多聚焦图像融合方法

说明书

技术领域

本发明涉及一种基于四元数小波变换的多聚焦图像融合方法，是多聚焦图像处理技术领域的一项融合方法，在机器视觉、目标识别、数码相机等领域有广泛地应用。

背景技术

多聚焦图像融合是图像融合的研究内容之一。当摄像机对与镜头相距不同的两个目标A和B进行拍摄时，常常无法使两个目标同时聚焦。通常采用两次拍摄法，使其中一幅图像聚焦在目标A，另一幅图像聚焦在目标B，再对拍摄的两幅图像进行融合处理，得到目标A和目标B都清晰的一幅图像，便于人眼的观察和计算机的后续处理，这一过程被称为多聚焦图像融合。多聚焦图像融合技术能够有效的提高图像信息的利用率和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正日益广泛地应用于机器视觉、数码相机、目标识别等领域。

近年来，基于图像融合的多尺度变换工具已经被广泛使用，经典的多尺度变换工具有：小波变换、曲波变换、轮廓波变换、剪切波变换等，这些经典的多尺度变换工具已经被成功地应用到图像融合中。但是这些变换不能捕获图像的相位信息，因此四元数小波变换被提出。四元数小波变换克服了实小波在平移不变性上的不足以及复小波变换相位信息不丰富的缺点。与实小波与复小波不同，四元数具有近似平移不变性以及丰富的相位信息。故本发明选用四元数小波变换作为多尺度变换工具。

四元数小波变换分解后的系数在尺度间、方向间、空间领域内都有很强的相关性，隐马尔卡夫模型HMM(Hidden Markov Model)能够对多尺度分解后的系数进行准确的建模，描述系数的相关性。基于上下文的隐马尔卡夫模型CHMM(Contextual HMM)就是通过上下文信息来充分、有效地捕获四元数小波变换分解的高频方向子带系数在尺度间的持续性、尺度内的多方向选择性和空间邻域内的能量聚集特性。因此，本发明选用CHMM对四元数小波分解得到的系数进行统计建模。

图像融合质量的好坏不仅仅取决于多尺度分解工具，融合规则同样重要。比较常用的低频融合规则有取平均、加权取平均、绝对值取大等，本发明中选用改进的基于相位梯度信息取大的融合规则，更好的鉴定了图像的清晰度。对于高频部分以往常采用绝对值取大或者基于区域某个特征取大的融合策略，但这些方案并不能获得较好的融合效果。为了充分捕获待融合图像的互补信息，避免引入错误信息，本发明利用图像的相位信息、上下文统计信息以及子带系数值等同时提取系数的多个特征，然后进行综合得到一个综合特征，该综合特征能够有效精确的表征图像的本质。提出的基于四元数矩阵综合多特征的融合规则，能够提高融合质量。

发明内容

本发明的目的是为了解决多聚焦图像融合方法只考虑单一特征，易引入错误的融合信息的问题，提出一种基于四元数小波变换的多聚焦图像融合方法，充分利用系数的相位信息，有效保护图像细节，增强图像对比度和清晰度，改善其视觉效果，提高融合图像的质量。

本发明解决其技术问题所采用的技术方案如下：

一种基于四元数小波变换的多聚焦图像融合方法，其特征在于包括以下步骤：

1)对待融合的两幅多聚焦图像进行四元数小波变换，分解得到不同尺度、不同方向的高、低频子带，每个子带对应四个系数子带，这四个系数子带可以转换为一个幅值子带和三个相位子带；

2)分别融合低频子带系数和高频子带系数；

2.1)采用基于改进的相位梯度特征值取大的融合规则融合低频子带系数；

2.2)采用基于四元数矩阵综合多特征的融合规则融合高频子带系数；

a)构建四元数高频子带系数的CHMM统计模型，利用期望最大化EM算法来估计模型参数，得到四元数子带统计模型，并计算其边缘概率密度函数Edge PDF，从而获得基于边缘概率密度函数的局部能量这个特征。然后再分别求基于高频子带相位梯度的特征、方向标准差特征、子带系数方差特征；

b)利用四元数矩阵对步骤a)中的四个特征进行综合得到一个综合特征，最后采用综合特征值取大的融合规则得到高频融合系数；

3)对步骤2)所得高、低频子带融合系数，进行四元数小波逆变换获得融合后的图像；