[发明专利]一种基于低秩分解和卷积稀疏编码的多源图像融合的方法

权利要求书

1.一种基于低秩分解和卷积稀疏编码的多源图像融合的方法，其特征在于：选取一组图像作为训练样本，对这组图像进行低秩分解，分解成低秩成分和稀疏成分，通过加入低秩约束提出一种新的滤波器训练模型，根据提出的滤波器训练模型进行卷积稀疏编码优化求解，并迭代更新获得训练样本图像的滤波器；

对待融合图像处理，得到融合图像：选取两幅待融合图像作为测试图像，对两幅待融合图像进行低秩分解，分别得到待融合图像的低秩成分和待融合图像的稀疏成分，对待融合图像的低秩成分和待融合图像的稀疏成分分别设计不同的融合规则：对于待融合图像的低秩成分，根据待融合图像低秩成分的能量信息变化获得低秩成分的融合决策图，再根据低秩成分的融合决策图得到融合低秩成分；对于待融合图像的稀疏成分，通过与训练样本图像获得的滤波器进行卷积稀疏分解得到待融合图像的稀疏成分的稀疏特征图，根据待融合图像的稀疏成分的稀疏特征图通过改进的拉普拉斯运算获得稀疏成分的融合稀疏特征图，通过稀疏成分的融合稀疏特征图与训练样本图像获得的滤波器进行卷积运算得到融合稀疏成分；最后将得到的融合低秩成分与融合稀疏成分进行相加得到测试图像的融合图像；

对待融合图像处理，得到融合图像的步骤如下：

Step3、选取两张待融合的图像作为测试图像，分别为待融合图像Y_A、待融合图像Y_B，对待融合图像Y_A、Y_B分别进行低秩分解，分别得到低秩成分和稀疏成分其中，分别表示待融合图像Y_A的低秩成分、稀疏成分，分别表示待融合图像Y_B的低秩成分、稀疏成分；

Step4、根据低秩成分设计融合规则：根据待融合图像低秩成分的能量信息变化获得低秩成分的融合决策图，再根据融合决策图得到融合低秩成分，低秩成分的融合规则设计如下：

其中，表示低秩成分在(m,n)处的融合决策图，表示低秩成分在(m,n)处的能量值，表示低秩成分在(m,n)处的能量值，表示低秩成分在(m,n)处的灰度值，表示低秩成分在(m,n)处的灰度值，表示低秩成分和在(m,n)处的融合低秩成分；

Step5、根据稀疏成分设计融合规则：首先，将稀疏成分分别进行卷积稀疏分解，分解得到稀疏成分在(m,n)处的稀疏特征图G_i,A(m,n)和稀疏成分在(m,n)处的稀疏特征图G_i,B(m,n)，卷积稀疏分解公式计算如下：

其中，表示待融合图像Y_A的稀疏成分，表示待融合图像Y_B的稀疏成分，f_i(i＝1,2,BN)为N个滤波器，G_i,A(m,n)表示稀疏成分在(m,n)处的第i个稀疏特征图，G_i,B(m,n)表示稀疏成分在(m,n)处的第i个稀疏特征图，令G_i(m,n)表示稀疏成分在(m,n)处的第i个稀疏特征图，G_m,n表示在(m,n)处的i个稀疏特征图的累加和，则改进的图像拉普拉斯算子表示为：

式中，ML_m,n表示改进后的在(m,n)处的稀疏特征图的拉普拉斯运算，SML_m,n表示在(m,n)处的稀疏特征图的拉普拉斯运算和，参数W用于确定拉普拉斯值累加窗口大小的大小，窗口大小为(2W+1)×(2W+1)，参数r为拉普拉斯算子值，根据如下表达式可以得到稀疏成分的融合稀疏特征图在(m,n)处的灰度值：

其中，表示稀疏成分在(m,n)处的融合决策图，SML_A(m,n)和SML_B(m,n)分别表示稀疏成分在(m,n)处的稀疏特征图的SML值，G_i,F(m,n)表示稀疏成分在(m,n)处的第i个融合稀疏特征图，再联合滤波器f_i(i＝1,2,B N)进行卷积运算，得到稀疏成分和在(m,n)处的融合稀疏成分表达式如下：

Step6、将Step4中得到的融合低秩成分和Step5中得到的融合稀疏成分相加，得到测试图像的融合图像Y_F：