[发明专利]用于从多个相应的输入图像通道生成输出图像的方法和系统

说明书

描述了用于从多个(N个)相应的输入图像通道生成输出图像的方法和系统。确定所述多个相应的输入图像通道的雅可比矩阵。计算所述雅可比矩阵的外积的主特征向量。设置与所述主特征向量相关联的符号，由此由所述主特征向量投影的输入图像通道像素导致正的标量值。生成输出图像，所述输出图像为在所述主特征向量的方向上所述输入通道的每像素投影。

技术领域

本发明涉及用于从诸如用于多个光谱和/或多个传感器的图像数据的多通道图像数据生成输出图像的方法和系统。

背景技术

存在许多应用，其中将多个图像或图像通道融合在一起，以形成单个汇总(summary)灰度或彩色输出。这些包括计算摄影(例如RGB-NIR)，多谱段摄影，弥散张量成像(医学)和遥感。

许多不同的设备捕捉图像，然后将图像显示在监视器或其它显示设备上。最终，大多数都被人类观察者解释或只是欣赏。在某些情况下，从捕捉的图像转到可视化图像是很简单的：使用RGB彩色相机捕捉的图像只需要进行颜色校正，以显示视觉上接近原始场景的图像。但是，当，例如，在可见电磁频谱之外捕捉图像时，或者当捕捉多于三个通道(也称为维度)时，情况并非如此简单。

在许多成像应用中，捕捉的通道数量比人类观察者可以观察到的要多。尽管人类视觉系统可以将三种颜色维度可视化，但许多图像捕捉系统捕捉的内容明显多于此：多谱段和高光谱成像系统可捕捉200个以上的颜色通道，包括在红外和紫外范围内捕捉的图像。

使多谱段或高光谱图像中的信息可视化的一种方法是简单地显示包含在可见光谱内的信号部分；换句话说，显示复制将由人类观察者所看到的彩色图像。采用这种方法的问题是，来自诸如红外线和紫外线等其它模态的信息将会丢失。或者，更一般地说是，两种光谱不同但是同色异谱的颜色将显示为相同的。

另一种方法是将来自所有通道的信息混合在一起并制作反映分量图像的信息内容的伪彩色图像。虽然这种方法将保留来自所有不同模态的一些信息，但分配给每个对象的颜色可能与真实颜色明显不同。

试图在输出图像中保留和传递来自信息源的信息的一种方法被称为图像融合。在图像融合中，N个输入图像或通道中存在的图像细节被组合成一个输出图像。图像融合方法包括基于小波分解、拉普拉斯塔形变换(Laplacian pyramid)和神经网络的方法。

图像梯度是表现图像细节信息的一种自然和多用途的方式，并已被用作几种图像融合技术的基础。汇总N个输入图像通道上的梯度信息的强大方法被称为Di Zenzo结构张量(定义为N×2图像雅可比行列式的2×2内积)。基于结构张量的方法在计算机视觉中有很多应用，包括图像分割和图像融合。

通常，图像融合是在导数域中进行的。在这里，发现了一个新的复合融合导数，它能够最好地考虑所有图像上的细节，然后对所得到的梯度场(gradient field)进行重新积分(reintegrated)。

这是Socolinsky和Wolff在US 6,539,126中采用的方法(在下文中称为“SW”，并且其全部内容通过引用并入本文)。它使用Di Zenzo结构张量来找到一组1维等效梯度(equivalent gradient)，在该组等效梯度的定向和大小方面，该组等效梯度与从多通道图像导出的张量在最小二乘意义上尽可能接近。Di Zenzo结构张量(Z)也称为第一基本形式，其被定义为雅可比行列式的内积：Z＝J^TJ。

等效梯度由结构张量的最重要的特征值和相关联的特征向量来定义。所导出梯度的符号也是不明确的(这是SW方法的弱点)，并且必须进行启发式定义。不幸的是，这种方法中的导出梯度场通常是不可积分的。在最小二乘意义上尝试积分，寻求一个单通道图像z(x，y)的解，其导数尽可能接近等效梯度。因此，重新积分步骤通常会幻化出新的细节(该细节未出现在任何输入图像或图像通道中)，包括晕圈，弯曲伪像和大尺度伪梯度。