[发明专利]一种基于特征级Copula模型相似性的图像融合方法

权利要求书

1.一种基于特征级Copula模型相似性的图像融合方法，其特征在于，具体步骤如下：

1)对待融合的源图像A，B分别进行QWT变换，得到高频子带和低频子带；

2)针对每个高频方向，构建它的亮度Copula模型、对比度Copula模型和结构度Copula模型；

2.1)计算高频各方向子带幅度和相位的亮度、对比度和结构度；

2.2)对高频各方向子带幅度和相位的亮度、对比度和结构度进行降采样处理；

2.3)构建高频方向子带的亮度Copula模型、对比度Copula模型和结构度Copula模型；

3)采用加权规则融合两阶段高频子带融合系数得到最终的高频子带融合系数；

3.1)判定对应高频子带冗余性和互补性的特征类型，根据特征类型设计相应的融合规则，得到第一阶段高频子带融合系数；

a)利用KLD距离计算高频子带亮度相似性、对比度相似性和结构度相似性，基于这三种特征相似性得到综合相似性；

b)根据综合相似性确定高频子带之间的冗余性和互补性，利用贝叶斯公式判定冗余性和互补性的特征类型；

c)根据高频子带冗余性和互补性的特征类型，设计相应的融合规则得到第一阶段高频子带融合系数；

3.2)采用基于高频子带绝对值取大的融合规则得到第二阶段高频子带融合系数；

4)基于低频相位梯度、相位局部方差和幅值能量计算低频子带综合特征，采用取大的融合规则得到低频子带融合系数；

5)根据得到的高频和低频子带融合系数，利用QWT逆变换得到融合图像F；

步骤2)中的步骤2.1)具体如下：

分别计算高频各方向子带幅度和相位的亮度对比度和结构度s^l,d,q/ψ；

其中，W₁×W₂是一个k×k的窗口，(x,y)表示当前系数位置，C₃为常数，是为了避免分母为0而维持稳定，d^l,d,q/ψ(x,y)表示与之间的协方差，计算方式如下：

2.根据权利要求1所述的基于特征级Copula模型相似性的图像融合方法，其特征在于：步骤1)所述对待融合的源图像A，B分别进行QWT变化得到高频子带其中，l表示分解尺度，l＝1,2…,J；J表示最大分解尺度，d＝V,H,D分别表示水平、垂直和对角方向，n＝q,φ,θ,ψ分别表示幅度q、相位φ、相位θ和相位ψ；得到低频子带

3.根据权利要求1所述的基于特征级Copula模型相似性的图像融合方法，其特征在于：步骤2)中的步骤2.2)具体如下：

利用降采样将和s^l,d,q/ψ的尺寸大小调整为和最粗尺度子带的尺寸大小一致；

其中，表示以2^J-l为降采样因子的降采样过程。

4.根据权利要求1所述的基于特征级Copula模型相似性的图像融合方法，其特征在于：步骤2)中的步骤2.3)具体如下：

利用高斯混合模型来刻画和s^l,d,q/ψ的非高斯特性，在对高频子带各方向构建特征级Copula模型时，同时考虑图像对应方向上的低频相位信息；

d方向上高频子带的亮度Copula模型的联合分布函数表示如下；

其中，表示的边缘分布函数，表示的边缘分布函数，表示的边缘分布函数，表示源图像A，B低频d方向相位子带；C是Copula函数；

d方向上高频子带的对比度Copula模型的联合分布函数表示如下；

其中，表示的边缘分布函数，表示的边缘分布函数；

源图像A与B在d方向上高频子带之间的结构度Copula模型S-Copula^d的联合分布函数表示如下；

其中，表示s^l,d,q的边缘分布函数，表示s^l,d,ψ的边缘分布函数。