[发明专利]一种基于PSO-NSCT的多传感器图像融合方法

说明书

本发明涉及一种基于PSO‑NSCT的多传感器图像融合方法，利用被动聚集的粒子群优化算法来优化NSCT的高频子带融合参数模型，包括以下步骤，先由NSCT对可见光与红外图像进行融合，NSP对源图像进行多尺度分解，得到各个层次高、低频子带图像；将高频子带图像传递给NSDFB，实现对该图像的多方向分解，融合图像各个层次的低频子带系数采用基于区域相似度的融合规则加权求得；以MI、Q^AB/F指标为改进PSO的适应度函数的最优约束，计算出高频子带系数融合的最优权值；通过NSCT逆变换得到多传感器图像的融合结果。本方法与传统融合算法相比，本发明的融合结果具有较高的对比度、细节保持度和融合精度，具有一定的应用价值。

技术领域

本发明涉及一种多传感器图像融合方法，尤其是涉及一种基于PSO-NSCT的多传感器图像融合方法。

背景技术

电网的巡检维护作业是电网安全可靠运行的基本保障，是电网持续稳定供电的根本保证。随着移动机器人技术与自动化技术的发展，将机器人技术与电力应用相结合，为电网的维护提供了新的巡检方式。随着计算机技术和自动化技术的发展，利用变电站巡检机器人对变电站设备进行巡检成为推进少人或无人智能变电站进程的重要手段，利用移动机器人对变电站设备巡检已成为电力公司和科研单位的研究热点。目前变电站巡检机器人已在500～1000k V各电压等级变电站得到示范应用，该巡检方式可有效解决人工巡检存在的缺陷或隐患等问题。

在变电站巡检机器人例行设备状态检测中，红外图像与可见光图像融合诊断技术可以实现设备不用停运、不用取样、不用解体等情况下的状态检修工作，对巡检机器人传送到后台监控系统的变电设备红外图像进行处理，从而对电力设备所存在的隐患和缺陷进行定位、最终实现定量的故障诊断。红外图像诊断技术越来越成为变电站状态检修的关键技术，在弥补因人为因素带来的状态检修的缺陷方面发挥重要作用。

在实际变电站巡检机器人监控系统中，可通过将红外图像与可见光图像融合来识别出故障区域的位置，但是在融合过程中使用现有的图像融合算法存在图像边缘信息丢失的问题，使得融合精度降低。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于PSO-NSCT的多传感器图像融合方法。

本发明的目的可以通过以下技术方案来实现：

一种基于PSO-NSCT的多传感器图像融合方法，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。

进一步地，所述步骤a中源图像经NSCT分解后得到的低频子带图像和高频子带图像系数如下：

式中f_A(x,y)和f_B(x,y)分别表示源图像，j表示分解的层数，l表示高频子带方向的个数，和表示低频子带系数，和表示源图像经j层分解后第l个方向子带的高频子带系数。

进一步地，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：