[发明专利]基于稀疏字典学习和剪切波的图像融合方法

说明书

本发明公开了一种基于稀疏字典学习和剪切波的图像融合方法，基于稀疏字典学习和剪切波的图像融合方法，包括如下步骤：步骤1，对已经配准好的两幅源图像进行剪切波变换，以获得对应的低频子带系数和高频子带系数，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；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；步骤4，对所述低频融合系数和高频融合系数进行剪切波逆变换，得到融合图像。本发明可以将图像分解为更多的方向子带，为后续图像融合处理提供更多方向子带信息，能够准确捕获图像中的边缘信息，最终提高了图像融合质量。

技术领域

本发明涉及图像融合技术领域，更具体的说是涉及一种应用于军事侦察、医疗诊断和遥感等领域的基于稀疏字典学习和剪切波的图像融合方法。

背景技术

传感器技术的发展呈现出成像机理多样化、工作环境复杂化、工作波段多元化和功能模块工作的协同化等特点，极大地拓展了人类认识世界的深度和广度。前视红外、激光成像雷达、合成孔径雷达、光学相干断层成像、光学多孔径成像等新型传感器实现了对自然世界的多元模式表达，被广泛应用于军事和民用领域。

图像融合通过挖掘反映同一场景不同角度或不同频率波段的有用信息，利用特定的数据处理方法提取其互补分量进行综合表示，实现对场景内容更为全面、精确的表达。多源图像融合的优点体现在：融合图像比源图像分辨率更高、信息集聚度更强，有利于后续的检测识别或目标跟踪；融合图像能够抑制噪声影响，减少决策过程中的不确定因素；融合图像实现了多源信息更高效的表达，能提供更丰富的有用信息；单一传感器性能提升代价高昂，多源图像融合技术则方便经济，融合系统具有良好的应用前景。

在图像融合文献中，多尺度变换和稀疏表示是两种最广泛使用的信号/图像表示理论。多尺度变换分解工具包括金字塔变换、小波变换、曲波变换、轮廓波变换、非下采样轮廓波变换，然而上述方法的稀疏表示能力较差，分解后的图像方向子带信息有限。而稀疏字典学习融合方法可以精确的拟合数据，并且分解系数越稀疏越能反映信号内在特征，可以通过稀疏表示来提高低频子带稀疏度，从而提高融合效果，但稀疏表示不能精确表示高频信息，即不能多尺度多方向的分析数据，如果高频采用稀疏表示进行融合，则会存在高频信息丢失的问题。

因此，如何提供一种能够准确捕获图像的边缘和纹理信息以提高图像融合质量的基于稀疏字典学习和剪切波的图像融合方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明采用非下采样剪切波变换将待融合图像分解成低频子带系数和高频子带系数；低频子带系数反映了图像的基础轮廓，同时对稀疏度较差的低频子带系数进行字典学习，高频子带系数反映了图像的边缘和纹理信息，采用同一尺度下方向子带绝对值和取最大的方法融合以捕获源图像中的显著特征，最终提高融合效果。

为了实现上述目的，本发明采用如下技术方案：一种基于稀疏字典学习和剪切波的图像融合方法，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。