[发明专利]基于期望值最大与离散小波框架的图像融合方法

摘要

一种基于期望值最大与离散小波框架的图像融合方法，首先采用小波框架将待融合图像进行多尺度分解，得到小波框架的一系列高频分量和一个最低频分量，然后对图像的高频部分采用基于视觉特性的特征提取方法进行融合，对图像的低频部分采用基于期望值最大方法进行融合，最后将高频部分的融合结果和低频部分的融合结果，通过小波反变换得到最终的融合图像。本发明使融合后的图像质量得到大幅度地提高，对于各种应用系统的后续处理和图像显示具有重要意义和实用价值。

主权项

1、一种基于期望值最大与离散小波框架的图像融合方法，其特征在于包括如下具体步骤：1)采用小波框架将待融合图像进行多尺度分解：将原始图像信号输入小波基函数构造的两个滤波器进行分解，得到一个高频分量和一个低频分量，然后将这两个滤波器进行升采样处理，将分解后的低频分量作为输入信号送入经升采样处理后的滤波器中进行小波框架的两层分解，得到又一组高频分量和低频分量，同时滤波器再一次进行升采样处理，将两层分解后得到的低频分量再次作为滤波器的输入信号，可进一步得到更高的分解层数，最终得到小波框架的一系列高频分量和一个最低频分量；2)对图像的高频部分融合处理：首先定义一个扫描窗口，在窗口内计算边缘特征幅值和边缘连接概率，以边缘特征幅值和边缘连接概率的乘积作为多尺度空间的高频部分的视觉特征，然后选取具有最大视觉特征的那一部分高频信息作为小窗口内高频分量的融合结果，扫描窗口对所有高频分量进行上述融合处理，最终得到所有高频分量的融合结果；3)对图像的最低频分量融合处理：首先建立反映图像与场景、成像传感器偏移量以及噪声之间关系的图像形成模型，根据期望值最大算法和图像形成模型得到图像的叠代公式，通过这种叠代运算得到场景图像，然后对这一场景图像进行校正，保留成像传感器的对比度极性，即在估计真实场景时不对成像传感器的负对比度极性做反转，从而得到最低频分量的融合结果；4)小波框架反变换得到最后融合结果：将最后得到的图像低频分量和高频分量分别送入一个同样由小波基函数构造的滤波器中滤波并对滤波后的图像信号进行求和，将小波框架变换层数降一层，将构造滤波器进行一次降采样处理后再作下一层反变换，以此类推，完成整个小波框架的反变换从而得到最终的融合图像。