[发明专利]基于稀疏字典学习和剪切波的图像融合方法

权利要求书

1.一种基于稀疏字典学习和剪切波的图像融合方法，其特征在于，包括如下步骤：

步骤1，对已经配准好的两幅源图像{I_A,I_B}进行剪切波变换，以获得对应的低频子带系数{L_A,L_B}和高频子带系数{H_A,H_B}，图像大小为M×N；

步骤2：对低频子带系数进行稀疏字典学习，并进行融合得到低频融合系数L_F；

步骤3，对高频子带系数采用同一尺度下方向子带绝对值和取最大值的方法进行融合，得到高频融合系数H_F；

步骤4，对所述低频融合系数L_F和高频融合系数H_F进行剪切波逆变换，得到融合图像。

2.根据权利要求1所述基于稀疏字典学习和剪切波的图像融合方法，其特征在于，所述步骤2具体包括：

(1)滑窗取块，按照从左上到右下的顺序，将所述低频子带系数{L_A,L_B}以步长l，大小为的滑动窗口进行分块提取，得到大小为的分块其中，对于每个位置i，再将所有分块转置排列为列向量然后通过

将每个所述列向量的平均值归一化为零以获得构成低频子带稀疏字典学习样本集；其中，表示全一值n×1向量，和分别为和的平均值；

(2)学习低频子带稀疏字典以构成稀疏表示的基原子；

(3)低频子带系数融合，的系数表示为用最大范数L₁规则合并和以获得融合的稀疏矢量

和的融合结果由下式计算

其中，为合并的平均值，由下式得出

再将融合向量转置即得到融合分块将插入到L_F的原始位置；当分块之间有重叠的部分时，对应L_F中的每个像素上的值取平均。

3.根据权利要求2所述基于稀疏字典学习和剪切波的图像融合方法，其特征在于，首先从所述低频子带稀疏字典学习样本集中随机选取P个样本构成训练集，然后随机初始化一个大小为n×m的字典D₀，其中n＜m，n为字典原子的大小，m为每个字典的原子数；

使用正交匹配追踪算法来计算稀疏系数向量，即并不断迭代更新低频子带稀疏字典D，

其中，D是学习的低频子带稀疏字典，α_A、α_B分别为对应的全部系数，||α_A||₀、||α_B||₀分别为α_A、α_B中所包含的非零分量个数，ε为容错误差，并保存所述低频子带稀疏字典D。

4.根据权利要求1所述基于稀疏字典学习和剪切波的图像融合方法，其特征在于，所述源图像包括但不限于配准好的多聚焦图像、中红外和远红外图片。

5.根据权利要求3所述基于稀疏字典学习和剪切波的图像融合方法，其特征在于，所述字典D₀中，n＝64，m＝256。