[发明专利]一种基于PSO-NSCT的多传感器图像融合方法

权利要求书

1.一种基于PSO-NSCT的多传感器图像融合方法，其特征在于，利用被动聚集的改进粒子群算法优化NSCT的高频子带融合参数模型，包括以下具体步骤：

a、对每个传感器的源图像进行NSCT分解，分别得到一个低频子带图像和多个高频子带图像；

b、基于区域相似度原则对所有低频子带图像进行融合；基于经改进粒子群算法优化的高频子带融合参数模型对所有高频子带图像进行融合；

c、对融合后的低频子带图像和高频子带图像进行相应层次和方向上的NSCT逆变换，得到融合图像。

2.根据权利要求1所述的基于PSO-NSCT的多传感器图像融合方法，其特征在于，所述步骤b中低频子带图像的融合包括以下步骤：

(1)设定相似度阈值β；

(2)由如下公式依次计算多个传感器的源图像之间相应像素点的相似度：

式中(x，y)表示像素点，r表示以像素点(x，y)为中心的区域，S_AB(x,y)表示相似度；

(3)计算图像灰度方差，图像f_A的方差计算公式如下：

式中表示像素点(x，y)在区域r内的平均灰度，δ²_A表示方差，图像f_B的方差δ²_B计算过程与f_A相同；

(4)根据上述相似度阈值β、相似度S_AB(x,y)和灰度方差δ²_A和δ²_B，计算融合后的低频子带系数计算公式如下：

当S_AB(x,y)＜β时，

当S_AB(x,y)＞＝β时，

式中w₁，w₂表示权系数。

3.根据权利要求2所述的基于PSO-NSCT的多传感器图像融合方法，其特征在于，所述步骤c中高频子带图像的融合包括以下步骤：

(1)基于被动聚集的改进粒子群算法计算最优权值系数α；

(2)计算融合后的高频子带系数，计算公式如下：

式中和表示源图像的高频子带系数，表示融合图像的高频子带系数，α表示最优权值系数。