[发明专利]一种基于直觉模糊相似度测量技术的多聚焦图像融合方法

说明书

本发明公开了一种基于新型直觉模糊相似度测量技术的多聚焦图像融合方法，包括：根据一型模糊集合理论获得图像隶属度；根据计算得到图像的区间二型模糊集合的上隶属度和下隶属度；根据计算得到图像的直觉模糊集合的隶属度、非隶属度和犹豫度；根据图像直觉模糊集的隶属度、非隶属度和犹豫度，计算图像局部相似度；根据局部图像融合规则获取源图像所对应的融合决策图；针对初级决策图的缺陷，利用基于图像形态学处理中的空洞填充实现初级决策图优化；增强图像边缘保持能力；根据最终融合决策图和源图像获得融合图像；本发明有效提高了图像融合技术的适应性，优化了其计算量使其在进行图像融合时效率得到了有效的提高，并且融合出的图像也更加清晰。

技术领域

本发明涉及图像融合领域，尤其是一种基于新型直觉模糊相似度测量技术的多聚焦图像融合方法。

背景技术

图像融合技术目前可以根据融合算法的实施方式分为两大类：空域算法和变换域算法。空域融合算法是在空间域采用特定方法对多源图像进行融合处理，例如，加权平均法(Weighted)、主成分分析法(Principal composition analysis，PCA)、独立成分分析法(independent component analysis，ICA)、基于分块的图像融合算法、基于感兴趣区域的图像融合算法等。变换域多尺度分析是最为常用的图像融合技术，该类方法首先根据特定的变换算法将图像细节信息逐层分解，然后利用特定融合规则对不同层级和尺度的图像系数进行融合，最后依据逆变换算法重建融合图像。传统变换域算法有：金字塔(Pyramid)、小波变换(Wavelet transform，WT)、曲波变换(Curvelet transform，CWT)、轮廓波(Contourlet transform，CT)等；还有新型非下采样变换算法，如非下采样的轮廓波变换(NSCT)，非下采样的剪切波变换(NSST)等；此后，还有许多新型图像变换域算法被不断提出。

变换域算法的图像融合方法需要对图像进行变换和逆变换处理，一般较为复杂，且可能出现变换误差。在许多应用场景中，空域图像融合算法操作简单，且在降低误差、保留图像细节方面具有一定优势，其中，空域分块多聚焦图像融合方法在空间域对源图像进行融合处理，融合图像的像素直接从源图像中选取，可在一定程度上减小误差，而且避免了复杂的变换和逆变换处理，一直是学者们关注的重点之一。

在多聚焦图像融合中，清晰或模糊部分通常都以特定区域的形式出现，这为基于图像局部特征融合方法的实施提供了可能性。图像局部特征处理方法可以利用特定图像质量测量指标(如清晰度、聚焦度、景深等)提取图像焦点区域。其中，局部特征信息(如空间频率、局部熵、拉普拉斯能量和等)常被用作融合参数或区域特征，用于提取图像的焦点区域，空域图像融合方法所得图像的像素一般直接由源图像提供，且不需要复杂的变换处理，可以在很大程度上降低误差和复杂度。因此，有学者提出将图像分块处理与变换域算法相结合方式进行图像融合。2001年，Li等较早采用基于空间频率的分块图像融合算法；后来又提出基于空间频率与神经网络相结合的图像融合算法。Huang等采用基于梯度能量的方法对聚焦区域进行测算，然后实现图像融合处理；2007年，费等采用全变分与改进拉普拉斯结合的方式进行图像融合处理，其分块参数采用人工鱼群优化算法进行优化，该研究引入智能优化算法实现了参数自动设定。

在这些算法中，基于固定参数的算法，常常会导致其适应性较差，而基于智能优化算法的传统图像融合技术，则需要较大的运算量。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于新型直觉模糊相似度测量技术的多聚焦图像融合方法；本发明解决了图像融合技术适应性差以及计算量过大的问题。

本发明采用的技术方案如下：

针对于多聚焦图像融合中的清晰或模糊区域特点，本发明利用模糊集合理论中的相似度测量模型，充分考虑图像的模糊性特征，设计出一种高效的空域图像融合方法。