[发明专利]基于模糊算子的图像融合处理方法及系统、计算机程序有效

专利信息
申请号: 201811075186.1 申请日: 2018-09-14
公开(公告)号: CN109345497B 公开(公告)日: 2021-12-03
发明(设计)人: 陈芳;赵树宇;柏传志;陈伏兵;高秀梅 申请(专利权)人: 淮阴师范学院
主分类号: G06T5/50 分类号: G06T5/50;G06N7/02;G06T5/40
代理公司: 南京业腾知识产权代理事务所(特殊普通合伙) 32321 代理人: 董存壁
地址: 223300 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 模糊 算子 图像 融合 处理 方法 系统 计算机 程序
【权利要求书】:

1.一种基于模糊算子的图像融合处理方法,其特征在于,所述基于模糊算子的图像融合处理方法根据需要融合的两幅图像即源图1和源图2,通过Lukasiewicz蕴涵算子进行像素级学习训练,得到关系矩阵R;以源图1为输入信息,以R为关系矩阵,利用Lukasiewicz三角模算子TLu,得到融合的目标图像;

所述基于模糊算子的图像融合处理方法具体包括:

第一步:读取源图像1存入二维数组矩阵X中;读取源图像2存入二维数组矩阵Y中;矩阵X和矩阵Y中的元素均为0~256的整数值;

第二步:将X数组转为double型,并存入M数组;将Y数组转为double型,并存入N数组;

第三步:将读取的图像数据模糊化,将M数组中的每个元素除以256,并存入A1数组;将N数组中的每个元素除以256,并存入B1数组,将A1数组中的每个元素依次传到AA数组中;

第四步:利用Lukasiewicz蕴涵算子RLu学习训练得到关系矩阵R;

第五步:以源图像1为输入信息,以R为关系矩阵,利用Lukasiewicz三角模算子TLu运算,得到融合的目标图像的模糊矩阵BB;

第六步:去模糊化输出得到融合的目标图像;融合图像的模矩阵BB中的每个元素乘以256后再取整即可得到融合的目标图像矩阵INTBB。

2.如权利要求1所述的基于模糊算子的图像融合处理方法,其特征在于,所述第四步根据Lukasiewicz蕴涵算子RLu(x,y)=min(1,1-x+y),模糊化后的源图数组A1和模糊化后的源图数组B1,将数组A1中的元素与数组B1中的对应元素进行Lukasiewicz蕴涵关系运算得关系矩阵R,关系矩阵R的第i行第j列元素R[i][j]=min(1,1-A1[i][j]+B1[i][j])。

3.如权利要求1所述的基于模糊算子的图像融合处理方法,其特征在于,所述第五步根据Lukasiewicz三角模算子TLu(x,y)=max(x+y-1,0),模糊化后的源图数组A1同时保存在矩阵AA中,对矩阵AA中元素与关系矩阵R中对应元素进行TLu运算,得到融合图像的模矩阵BB,模糊矩阵BB第i行第j列元素BB[i][j]=max(AA[i][j]+R[i][j]-1,0)。

4.一种实施权利要求1所述基于模糊算子的图像融合处理方法的基于模糊算子的图像融合处理系统,其特征在于,所述基于模糊算子的图像融合处理系统包括:

图像获取模块,用于读取源图像存入二维数组矩阵;

储存模块,用于转换二维数组矩阵;

图像数据模糊化模块,用于将读取的图像数据模糊化;

关系矩阵获取模块,用于学习训练得到关系矩阵;

模糊矩阵获取模块,用于得到融合的目标图像的模糊矩阵;

目标图像获取模块,去模糊化输出得到融合的目标图像。

5.一种应用权利要求1~3任意一项所述于模糊算子的图像融合处理方法的图像融合处理平台。

6.一种应用权利要求1~3任意一项所述于模糊算子的图像融合处理方法的终端。

7.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-3任意一项所述的基于模糊算子的图像融合处理方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于淮阴师范学院,未经淮阴师范学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811075186.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top