一种基于自适应阈值的区域能量光子计数图像融合算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109816618A(43)申请公布日2019.05.28(21)申请号201910073899.2(22)申请日2019.01.25(71)申请人山东理工大学地址255086山东省淄博市高新技术产业开发区高创园A座313室(72)发明人尹丽菊仲红玉王炫胡浩东马立修王季峥邹国锋韩光宇李英于毅陈尧(74)专利代理机构淄博佳和专利代理事务所37223代理人孙爱华(51)Int.Cl.G06T5/50(2006.01)权利要求书4页说明书11页附图2页(54)发明名称一种基于自适应阈值的区域能量光子计数图像融合算法(57)摘要一种基于自适应阈值的区域能量光子计数图像融合算法，属于图像融合技术领域。其特征在于：步骤1001：冗余小波变换；步骤1002：计算区域能量、邻域均方差、匹配度以及自适应阈值；步骤1003：计算加权系数和增强因子；步骤1004，计算匹配度；步骤1005，判断匹配度与自适应阈值；步骤1006，匹配度小于自适应阈值，选择能量大的区域的像素点的增强值作为融合图像中相对应的像素点值；步骤1007，匹配度大于或等于自适应阈值，采用加权区域能量法；步骤1008，得到光子计数融合图像。通过本算法，解决了区域能量融合法得到融合图像轮廓不清晰，噪声严重，以及极其微弱光照下光子计数图像信息冗余，细节不清晰等问题。CN109816618ACN109816618A权利要求书1/4页1.一种基于自适应阈值的区域能量光子计数图像融合算法，其特征在于：包括如下步骤：步骤1001，在不同照度值下得到光子计数图像：源图像A和源图像B，对源图像A和源图像B进行冗余小波变换，分别获得源图像A和源图像B的高频部分图像、低频部分图像；步骤1002，计算源图像A和源图像B的高频部分图像、低频部分图像的对应区域能量、邻域均方差、匹配度以及自适应阈值；步骤1003，计算融合规则中的加权系数和增强因子；步骤1004，计算两幅源图像的匹配度，并比较匹配度与自适应阈值的大小；步骤1005，判断匹配度是否小于自适应阈值，如果小于自适应阈值，执行步骤1006及步骤1008，如果匹配度大于或等于自适应阈值，执行步骤1007～步骤1008；步骤1006，如果匹配度小于自适应阈值，图像融合规则选择能量大的区域的像素点的增强值作为融合图像中相对应的像素点值；步骤1007，如果匹配度大于或等于自适应阈值，采用加权区域能量法确定融合图像；步骤1008，图像重构得到光子计数融合图像。2.根据权利要求1所述的基于自适应阈值的区域能量光子计数图像融合算法，其特征在于：步骤1001中所述的冗余小波变换，具体包括如下步骤：步骤1001-1，定义一个卷积核为：步骤1001-2，定义c0＝I0，I0代表原始图像；步骤1001-3，定义n为分解图像得到的小波平面的个数；步骤1001-4，令i＝1；步骤1001-5，用ci-1和核hi做卷积，得到图像ci，即步骤1001-6，通过计算ci-1和ci的差获取小波平面ωi，即ωi＝ci-ci-1；步骤1001-7，i＝i+1；步骤1001-8，如果i≤n，则转到步骤1001-1；由于用àtrous算法计算出的小波平面具有相同的大小，恢复图像I时将所有小波平面ωi和余量平面cn相加，即：3.根据权利要求1所述的基于自适应阈值的区域能量光子计数图像融合算法，其特征在于：所述的步骤1002，包括如下步骤：步骤1002-1：选择3x3的窗口计算局部区域能量，计算公式如下：2CN109816618A权利要求书2/4页其中，表示源图像A在j分辨率下、ε方向上以(m,n)为中心的局部区域的能量，表示源图像B在j分辨率下、ε方向上以(m,n)为中心的局部区域的能量；表示A×B在j分辨率下，ε方向上以(m,n)为中心的局部区域的能量；K和L表示局部区域的大小，m＝1,2,3,…K，n＝1,2,3,…L，ω(i,j)是权系数；fA(m,n)表示源图像A在(m,n)点的像素值，fB(m,n)表示源图像B在(m,n)点的像素值，表示源图像A在三个方向的高频部分图像，代表源图像B在三个方向的高频部分图像；步骤1002-2：根据局部区域能量计算两幅源图像对应局部区域的匹配度M为：其中，表示源图像A在j分辨率下、ε方向上以(m,n)为中心的局部区域的能量，表示源图像B在j分辨率下、ε方向上以(m,n)为中心的局部区域的能量；表示A×B在j分辨率下，ε方向上以(m,n)为中心的局部区域的能量；步骤1002-3：计算局部区域的均值和均方差，如下：其中，μA和μB分别表示光子计数源图像A、B的均值，σA和σB分别表示光子计数源图像A、B的均方差，K和L表示局部区域的大小，m＝1,2,3,…K，n＝1,2,3,…L