[发明专利]一种基于分割尺度可伸缩的图像融合方法

摘要

本发明针对基于变换域的图像融合复杂度较高、基于空间域的图像融合的融合图像质量低的问题，提出了一种基于分割尺度可伸缩的图像融合方法。其步骤为首先将源图像和分割成规则矩阵区域；然后判断源图像和对应区域的平均梯度差值绝对值是否大于阈值，若是，则取平均梯度大的作为融合图像的候选区域，若不是，则对源图像和对应区域进行基于变换域的图像区域融合，形成融合图像的候选区域；最后对所有候选区域进行拼接形成融合图像。本发明结合了变换域与空间域的图像融合方法，比单纯基于变换域的图像融合方法的复杂度更低，比单纯基于空间域的图像融合方法得到的融合图像更平滑。

主权项

一种基于分割尺度可伸缩的图像融合方法，其特征在于，首先输入源图像A和B，再用边缘检测算法定位边缘；然后通过聚类算法对源图像A和B进行区域填充，再按尺度可调进行划分规则矩阵子区域；随后依次计算源图像A和B对应子区域的平均梯度差值绝对值，并将该差值绝对值与阈值T比较；若差值绝对值大于阈值T，取子区域平均梯度大的作为融合图像的候选子区域，若差值绝对值小于或等于阈值T，则对源图像A和B对应子区域进行基于小波变换的图像区域融合，形成融合图像的候选子区域；最后对所有候选子区域进行拼接，形成融合图像，所述方法至少包括以下步骤：步骤一、输入源图像A和B，通过边缘检测算法定位边缘，划分成若干区域；步骤二、通过聚类算法对源图像A和B进行区域填充；步骤三、按尺度可调对源图像A和B进行划分规则矩阵子区域SA＝{SA1,SA2,...,SAm}和SB＝{SB1,SB2,...,SBm}，其中m为大于0的正整数；步骤四、依次计算源图像A和B对应子区域的平均梯度差值绝对值其中分别是SA、SB中对应的第i个子区域的平均梯度，并将与阈值T比较；步骤五、若大于阈值T，取子区域平均梯度大的作为融合图像第i个候选子区域SC1i；若小于或等于阈值T，则对源图像A和B对应子区域SAi和SBi进行基于小波变换的图像区域融合，融合后的图像区域作为候选子区域SC2i；步骤六、对所有候选子区域进行拼接SC1i∪SC2i，形成融合图像SC。