[发明专利]一种图像融合质量检测方法及装置

权利要求书

1.一种图像融合质量检测方法，其特征在于，包括：

从视频图像的每一帧中查找被追踪者图像帧；

依据小波变换图像融合方法、轮廓小波融合方法和尺度不变特征变换图像融合方法分别对多张被追踪者图像进行图像融合；

根据融合结果分别计算平均梯度，根据平均梯度判定图像融合质量；

通过下式分别计算经三种方法融合后的融合图像结果的平均梯度：

其中，M，N为图像的行列总数，f(m,n)为融合后的图像函数，f(m_i,n_j)为第i行第j列的图像点，为第i行第j列的图像点在第i行方向上的导数，为第i行第j列的图像点在第j行方向上的导数；

计算得到的平均梯度值越大，则图像层次越多，图像越清晰，则对应的将平均梯度值最大的融合图像作为质量最优的融合图像，也即确定该融合图像所对应的融合方法在此视频图像中人物追踪效果最优；

其中，依据尺度不变特征变换图像融合方法对预处理后的多张被追踪者图像进行图像融合，具体包括如下子步骤：

对两张被追踪者图像进行线性滤波，得到其对比度、方向和亮度特征显著图，并对对比度、方向和亮度特征显著图求交集，得到视觉显著区域、独有显著区域和公共显著区域；其中，对比度特征显著图具体为利用高斯金字塔对源图像进行滤波，然后对滤波结果进行逐层求差法得到对比度特征显著点分布，对特征点显著分布应用熵阈值分割法得到对比度特征显著图；方向特征显著图具体为利用滤波器在多个方向对源图像进行滤波，将滤波结果加和得到源图像的方向特征点分布，然后对方向特征点分布应用熵阈值分割法生成方向特征显著图；亮度特征显著图具体为用均值滤波器对源图像进行平滑，以消除噪声和灰度突变影响，再对平滑后的图像应用熵阈值分割法生成源图像的亮度特征显著图；

根据视觉显著区域、独有显著区域和公共显著区域的低频分量确定融合图像的融合系数；具体地，对两源图像分割后得到的低频分量中每个点，如果该点对应的某一个源图像的独有显著区域为1，则确定融合图像为该张源图像对应的低频系数，如果该点对应的是公共显著区域，则取两张源图像的低频系数均值作为融合图像的低频系数，如果该点不属于任何显著区域，则计算两张图像的邻域方差，方差越大则表示源图像在该点所属区域越丰富，将该点对应的源图像的低频系数作为融合图像的低频系数；

利用多尺度融合算法对融合系数进行多尺度反变换，重构出融合图像。

2.如权利要求1所述的图像融合质量检测方法，其特征在于，从视频图像的每一帧中查找被追踪者图像帧，具体为：

构建深度卷积神经网络模型；

从输入层开始，依次经过第一卷积层、第一深度卷积层、第二卷积层、第二深度卷积层、第三卷积层和第三深度卷积层；

将输出图像输入全局平均池化层和全连接层，达到softmax层，softmax层输出被追踪者出现的概率，若输出概率为1，则该图像帧为被追踪者图像帧。

3.如权利要求1所述的图像融合质量检测方法，其特征在于，依据小波变换图像融合方法对预处理后的多张被追踪者图像进行图像融合，具体包括如下子步骤：

分别用离散小波变换函数分解每张被追踪者图像得到源图像；

基于模极大值融合算法对源图像对应的小波系数进行融合，得到融合图像；

将融合后的图像进行小波反变换，得到基于小波变换的图像融合结果。

4.如权利要求1所述的图像融合质量检测方法，其特征在于，依据轮廓小波融合方法对预处理后的多张被追踪者图像进行图像融合，具体包括如下子步骤：

分别用边缘轮廓变换函数分解每张被追踪者图像得到源图像，对源图像进行分解得到轮廓小波系数；

比较分解得到的轮廓小波系数中高频系数，将高频系数最大值作为融合图像的高频系数；

计算分解得到的轮廓小波系数中低频系数的均值，将低频系数的均值作为融合图像的低频系数；

将融合图像的低频系数和高频系数构成融合图像的系数，对融合图像的系数进行轮廓小波融合反变换，得到基于轮廓小波融合方法的图像融合结果。