[发明专利]基于感知哈希算法的图像融合方法

说明书

本发明公开了一种基于感知哈希算法的图像融合方法，属于图像处理技术领域。该方法首先将待融合的两幅彩色图像转换为灰度图像，然后对两幅灰度图像进行子块划分，得到一系列子图像，接下来计算子图像的聚焦测度。利用感知哈希算法计算每一对子图像的“指纹”，并计算每一对子图像的“指纹”的匹配程度。最后根据子图像指纹相似度的不同，采取不同的融合策略进行图像融合。本发明采用感知哈希算法计算子图像相似度，充分考虑了图像不同区域的聚焦程度，有助于准确匹配融合图像的低聚焦区域与高聚焦区域，降低了其他融合方法存在的图像扭曲与失真等问题，充分保留了彩色图像原有的细节信息，提高了融合图像的质量。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于感知哈希算法的图像融合方法。

背景技术

图像融合是将多个成像传感器或同一传感器在不同的时间所获得的关于同一场景的图像信息加以综合，以获得新的关于此场景更准确的描述。图像融合的主要目的是减少由单一成像传感器所获取的图像信息的不确定性，它通过对多幅图像间信息的互补来为后续的决策提供更可靠的信息来源。图像融合技术被广泛地应用于军事安全，医学影像和遥感等诸多领域，取得了许多令人瞩目的成绩。一般而言，图像融合分为像素级融合、特征级融合和决策级融合三个层次。其中像素级融合又分为空间域方法与变换域方法，是图像融合三个层次中最基本的融合，得到的图像具有更多的细节信息。

在当前的图像融合研究和应用中，涉及最多的是像素级图像融合，图像融合狭义上指的是像素级图像融合，目前提出的绝大多数的图像融合方法均属于该层次上的融合。常见的红外和可见光图像融合以及遥感图像融合，很多都是从像素级入手，基于已有的融合方法，根据实际情况，来设立融合规则，得到适合实际应用场景的融合图像。

像素级融合有利于边缘和纹理的提取，方便对图像做进一步的分析、处理与理解，还能够把潜在的目标体现出来。通过判断潜在的目标像素点，可以尽可能多的保存源图像中的信息，使得融合后的图像不论是内容还是细节均有所增加。

常用的像素级图像融合方法有：加权平均方法、对比调制方法、空间域或频率域滤波方法、主成分分析方法、基于颜色模型变换的方法、金字塔分解方法与小波变换等方法，这些方法虽然获得了较好的数据指标，但存在图像的颜色扭曲与失真，无法充分还原彩色图像的细节信息。

发明内容

本发明提出了一种基于感知哈希算法的图像融合方法，目的在于解决以上图像融合过程中出现的颜色扭曲与失真问题，充分还原彩色图像细节信息，提高融合图像质量。

感知哈希算法通过对每张图像生成一个字符串“指纹”，然后比较不同图像的指纹，结果越接近，就说明图像越相似，在图像搜索匹配等领域被广泛应用。

该融合方法具体步骤如下：

步骤S101，将待融合的两幅彩色图像转换为灰度图像；

步骤S102，对两幅灰度图像进行子块划分，得到一系列子图像；

步骤S103，计算每一对子图像的聚焦测度；

步骤S104，利用感知哈希算法计算每一对子图像的“指纹”；

步骤S105，计算每一对子图像的“指纹”的匹配程度，即计算子图像hash指纹相似度；

步骤S106，根据子图像指纹相似度的不同，采取不同的融合策略：当子图像相似度匹配程度较高时(相似度大于0.5)，直接选取聚焦测度较大的子图像作为融合结果的一部分，当子图像相似度匹配程度较低时(相似度小于或等于0.5)，采用聚焦测度得到待融合图像的边缘清晰部分进行融合；