[发明专利]基于代数多重网格和分水岭分割的图像融合方法

权利要求书

1.基于代数多重网格和分水岭分割的图像融合方法，其特征在于，所述方法包括：

S1、利用代数多重网格对至少两幅源图像进行重建，分别得到每幅源图像的重建图像；

S2、根据两幅或多幅所述源图像的对应像素点求平均值获得均值图像；

S3、利用分水岭图像分割方法对均值图像进行区域分割，得到若干分割区域；

S4、对于每个分割区域，分别求取每幅源图像与每幅源图像对应的重建图像均方误差值，比较均方误差值的大小，计算每个分割区域清晰度，对分割区域的源图像来源进行标记，得到分割区域清晰度决策图；

S5、根据所述分割区域清晰度决策图所标记的源图像来源，判断源图像清晰与模糊的边界线，根据所述边界线得到融合图片。

2.根据权利要求1所述的基于代数多重网格和分水岭分割的图像融合方法，其特征在于，步骤S1中所述重建图像的获得方法具体为：

对源图像构建亲和力矩阵M，选取代数多重网格粗化的粗网格，构造所述代数多重网格粗化所需的算子；对所述亲和力矩阵M进行代数多重网格粗化得到N层粗网格Ω₀,Ω₂,...,Ω_N-1；采用V-循环方法对粗网格进行迭代得到精确解，根据所述精确解获得重建图像；其中，Ω_N-1表示第N层粗网格。

3.根据权利要求2所述的基于代数多重网格和分水岭分割的图像融合方法，其特征在于，所述选取代数多重网格粗化的粗网格包括：

根据源图像亲和力矩阵得到最细的粗网格Ω₀，根据所述最细的粗网格Ω₀构造序列Ω_N-1,Ω_N-2,...,Ω₀，所述序列满足条件代数多重网格的较粗的粗网格Ω_m+1＝C^m是较细的粗网格Ω_m的一个真子集，记F^m＝Ω_m-C^m,C^m表示根据Ω_m提取的下一层粗网格；m∈{0,1,...,N-1}。

4.根据权利要求2所述的基于代数多重网格和分水岭分割的图像融合方法，其特征在于，构造所述代数多重网格粗化所需的算子包括：插值算子限制算子粗网格算子A^m+1以及光滑算子。

5.根据权利要求4所述的基于代数多重网格和分水岭分割的图像融合方法，其特征在于，所述插值算子包括：

其中，表示第i层粗网格的第m个误差；表示第k层粗网格的第m+1个误差；表示第i+1层粗网格的第m个误差；e^m表示所有粗网格的第m个误差；表示第i层粗网格的插值算子和相对应的误差；为离散方程的精确解；u^m为实际求得的精确解；表示插值算子；表示第i层粗网格的第m+1个误差；表示第k个较小变量集中第i层粗网格的第m个误差的权重；

所述限制算子为所述插值算子的转置矩阵；

所述粗网格算子A^m+1包括：

其中，A^m+1表示粗网格算子，A_m表示第m层粗网格的系数矩阵序列；

所述光滑算子包括：采用高斯-赛德尔迭代算法或带参数的雅克比算法的算子。