[发明专利]一种基于梯度域映射的图像融合方法

说明书

本发明公开了一种基于梯度域映射的图像融合方法，该方法基于梯度域，提取图像清晰信息然后映射到空间域，从而实现在小景深的拍摄条件下，利用多张图融合，生成一张在沿拍摄方向上包含不同深度物体细节信息图片。该方法能够在不更换相机和镜头的情况下，在相同的拍摄环境和视场，利用多张相同分辨率的图片合成具有不同位置物体细节信息的图片，为计算机视觉检测等应用领域提供了一种快速便捷的图像融合方法。

技术领域

本发明涉及一种于图像融合算法，具体涉及一种基于梯度域映射的图像融合算法，属于图像处理技术领域。

背景技术

图像融合是利用给定方法将同一目标场景的多幅图像变成一幅包含丰富信息的图像，融合后的图像包含了原始图像的所有信息。图像融合技术应用非常广泛，目前，已广泛应用于医学、遥感等领域

图像融合的结构一般分为三个层次：像素级融合、特征级融合、决策级融合。像素级融合是最简单也是最直接的一种融合方法，即直接将从图像传感器获得的图像数据进行处理而获得融合图像，其融合算法有PCA和小波分解融合法等；特征级融合首先获得图像的不同特征，然后利用某些算法融合图像的这些特征；决策级融合是最高级的融合，融合方法有基于贝叶斯法的决策级融合等。

发明内容

本发明所要解决的技术问题是提供一种基于梯度域映射的图像融合方法，该方法基于梯度域，提取图像清晰信息然后映射到空间域，从而实现在小景深的拍摄条件下，利用多张图融合，生成一张在沿拍摄方向上包含不同深度物体细节的信息图片。

为解决上述技术问题，本发明所采用的技术方案为：

一种基于梯度域映射的图像融合方法，将多幅不同对焦位置的图像相融合，生成不同对焦位置物体细节同时清晰的图像，所述方法将待融合的多幅图像进行梯度域变换，在梯度域下提取每一个像素点对应的多幅图像中梯度膜的最大值作为最终融合图像在该像素点的梯度值，遍历每个像素点得到最终融合图像的梯度域分布；将多幅待融合图像根据得出的梯度域分布映射到同一空间域内，获得融合后的图像。

其中，上述基于梯度域映射的图像融合方法，具体包括以下步骤：

(1)对待融合的多幅图像获取每一幅图像的灰度图像信息：

f_n(x，y)，(x＜K，y＜L)，n＝1，2，...，N

其中，(x，y)是灰度图像的像素坐标，K和L分别是图像x和y方向的边界值，N为多幅图像的总数量；

(2)利用哈密顿算子构造出N幅图像的梯度域：

其中，为沿x、y方向的单位方向矢量，|grand f_n(x，y)|是梯度域下梯度的模；

(3)根据梯度域下梯度的模|grand f_n(x，y)|的大小，提取N幅图中(x，y)像素点对应的梯度的模值的最大值，作为最终图像在该(x，y)点的梯度值；遍历每一个像素坐标(x，y)，采用上述的方法，最终生成所有像素点下融合后的梯度域分布：

grand f_n(x，y)→grand f(x，y).

(4)根据步骤(3)获取的梯度域分布，遍历每一个像素点(x，y)，在该像素点下选取梯度域对应的所在图像的像素点值作为融合后的图像的像素点，实现N幅图通过梯度域分布，映射到同一空间域内，获得融合后的图像：

其中，f(x，y)为映射之后得到的融合后的灰度图像。

其中，步骤(1)中，所述多幅图像的数量N大于等于2。

其中，步骤(1)中，被融合的多幅图像具有相同的视场范围和分辨率。