[发明专利]一种基于NSST和显著信息提取的多聚焦图像融合方法

说明书

本发明提出一种基于NSST和显著信息提取的多聚焦图像融合方法。主要涉及图像融合领域中的多聚焦图像融合问题。首先，将源图像通过NSST变换进行多尺度、多方向分解得到高、低频子带。其次，对低频子带系数采用局部区域的改进拉普拉斯能量和构建低频子带初始融合权重，为对低频初始融合权重进行修正，增加了非局部均值滤波修正融合规则；对高频子带系数采用基于相关系数的空间频率与能量相结合的融合规则，再加以相位一致性融合规则进行修正，构建高频子带融合权重；最后，通过NSST反变换得到最终融合图像。由于对低频和高频子带分别进行了相应的权重修正策略，降低了聚焦区域的判别错误率。在多组不同聚焦图像的实验中验证了该方法的有效性。

技术领域

本发明涉及图像融合领域中的多聚焦图像融合问题，尤其是涉及一种基于NSST和显著信息提取的多聚焦图像融合方法。

背景技术

图像融合技术是属于图像处理领域的一大研究热点。一幅图像中包含的信息(亮度，色彩，空间等)有限，因此，仅仅通过一张信息有限的图像，是很难满足特定的应用场景。通过将多幅带有不同侧重信息的图像以某种规则融合在一起，从而得到一幅含有更多信息，能够更加方便观察的图像。显然，图像融合的目标是将有用的信息尽可能的保留，同时去除一定的冗余信息。多聚焦图像融合将同一场景下的不同聚焦图像通过一定的融合方法整合在一起，从而使融合图像的清晰度更高，包含的信息更加丰富。

图像融合领域应用较多的像素级融合方法中，包括基于空间域的融合、基于变换域的融合方法以及基于深度学习的融合方法。其中，基于变换域的融合方法较其他两种方法，应用较多。所谓变换域，就是将图像的原始数据信息通过某种可逆的数学变换，得到具有不同特征信息的中间数据。通过对这些中间数据进行相应的融合规则处理，在经过可逆变换得到融合图像。显然，这类方法中，可逆变换、融合规则成为了关键。相继出现的可逆变换有金字塔变换、小波变换、非下采样轮廓波变换(NSCT)、非下采样剪切波变换(NSST)等。采用的融合规则也相对较多，有基于空间频率的融合规则，基于能量信息的融合规则，基于导向滤波的融合规则等。学者们从不同的角度出发，提出了很多融合算法。大多数融合算法得出的融合图像，存在清晰度不高，聚焦信息丢失，以及聚焦边缘模糊不清等现象。

发明内容

本发明提出了一种基于NSST和显著信息提取的多聚焦图像融合方法。对不同聚焦图像进行NSST变换得到的高低频子带系数，采用不同的融合规则加以一定的修正规则进行处理，最终得到融合图像。本发明主要通过以下过程步骤实现上述目的：

(1)使用NSST变换对不同聚焦图像进行处理，得到高低频子带系数；

(2)对(1)中得到的低频子带系数采用改进拉普拉斯能量和(SML)的初始低频融合规则进行初步处理，得到初始低频融合权重；

(3)运用显著性信息提取的低频修正融合规则对(2)中的结果进行一定的差错修正；

(4)对(1)中得到的高频子带系数采用基于相关系数的初始高频融合规则进行初步处理,得到初始高频融合权重；

(5)对一系列高频融合权重辅以不同程度的相位一致性(PC)修正规则，进行判别修正；

(6)对(3)和(5)得到的处理结果进行NSST反变换，得到融合结果。

附图说明

图一基于NSST和显著信息提取的多聚焦图像融合框架图；

具体实施方式

本发明引入非局部均值滤波(NLMF)结合导向滤波(GF)对低频子带系数进行加权修正，将基于相关系数的空间频率与能量相结合构成初始高频加权融合规则，同时运用相位一致性修正策略对初始高频融合权重进行修正判定。

非局部均值滤波修正融合规则如下：

结合附图二低频子带修正规则框图；