[发明专利]一种采用特征相似性分析和多卷积稀疏表示的矿山掘进巷道顶板变形图像融合方法

权利要求书

1.一种采用特征相似性分析和多卷积稀疏表示的矿山掘进巷道顶板变形图像融合方法，其特征在于:首先定义时间变量,传感器采样间隔，运动图像初始位置，以及每一帧之间间隔为采样间隔变量,将运动图像序列视为m张A×B静态图像集合，实现对图像的形式化描述；其次应用L₀梯度最小化方法对两不同传感器相同采样时间获取的原始图像进行图像分解，得到原始图像的背景的细节两个子图像；再次基于特征相似性分析的基本原理，确定图像融合时的重要程度系数；然后基于多卷积稀疏表示基本原理，实现对初步融合得到的背景层和细节层的叠加，实现图像重构；最后、向后滑动处理图像位置，并重复进行图像分解、融合和重构步骤，直至融合完所有的图像帧，实现巷道顶板变形时间维动态演化过程图像融合；

所述矿山掘进巷道顶板变形图像融合方法的具体步骤如下：

Step1、定义时间变量t,传感器采样间隔T，运动图像初始位置t＝0，往后每一帧之间间隔为采样间隔T,于是将运动图像序列视为m张A×B静态图像集合；

Step2、用L₀梯度最小化方法对原始图像进行图像分解，得到原始图像的背景的细节两个子图像：利用L₀梯度最小化的平滑滤波方法对已配准的图像序列G₁和G₂进行平滑处理，处理后的图像序列B₁和B₂分别为G₁和G₂的背景层序列：

B_i＝L_0，GMS(G_i),i＝1，2. (1)

式中，L_0,GMS(G_i)表示对原图像进行L₀梯度最小化平滑处理；

然后由得到的背景层序列构造细节层D₁和D₂:

D_i＝G_i-B_i,i＝1,2. (2)

Step3、对两幅原始图像经过L₀梯度最小化处理得到的背景层B₁和B₂进行时空特征相似性分析，有效区分两个背景层之间互补与冗余特征，以此得到场景内容更加丰富完整融合背景图像；

Step4、对两幅原始图像经过L₀梯度最小化处理得到的细节层D₁和D₂进行时空特征相似性分析，有效区分两个细节层之间互补与冗余特征，得到图像在融合时的重要程度系数以此确定场景内容更加丰富完整融合细节图像；

Step5、基于多卷积稀疏表示基本原理，求解由基于特征相似性分析融合得到的细节层和背景层的多卷积稀疏表示方法的形式化表现形式；

Step6、图像融合框架的构建，实现对背景层和细节层的融合：

对于通过L₀梯度最小化图像分解得到的两个背景层B₁和B₂所设计的图像融合网络共包含五层卷积稀疏表示；

Step7、细节层融合框架的构建，实现对细节层的融合：

Step8、图像细节层与背景层的融合，实现该采样时间点图像的图像重构；

Step9、向后滑动处理图像位置，即t＝t+T,并重复步骤Step2至步骤Step8，直至融合完所有的图像帧，最终完成完整采样时段内监控系统视频图像的处理；

所述Step6中包括：

在第1、2层的卷积稀疏层，给定对应于两层的预训练卷积字典和向量λ＝[λ₁,λ₂]对应于两层的稀疏响应表示为

然后通过L₁最大绝对值融合规则来融合第2层卷积稀疏层输出的和其中，表示在位置(a,b)处的元素值；

最终，在考虑步骤Step4中确定的图像融合时的重要程度系数ρ₁，ρ₂的情况下，第4、5层的重建层利用预先训练的卷积字典逐层的重建恢复融合图像，第4层重建过程表示为：

第5层重建过程表示为：

其中ρ₁，ρ₂为步骤四中确定的图像融合时的重要程度系数。