预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN106897999A(43)申请公布日2017.06.27(21)申请号201710107672.6(22)申请日2017.02.27(71)申请人江南大学地址214122江苏省无锡市滨湖区蠡湖大道1800号(72)发明人罗晓清张战成王鹏飞董静王骏檀华廷(51)Int.Cl.G06T7/00(2017.01)G06T7/33(2017.01)权利要求书2页说明书8页附图3页(54)发明名称基于尺度不变特征变换的苹果图像融合方法(57)摘要本发明公开了一种基于尺度不变特征变换的图像融合方法,主要解决苹果质量无损检测的问题。其实现步骤是:1)利用非下采样轮廓波变换NSCT将待融合图像分解为低频子带和高频子带;2)对低频子带利用尺度不变特征变换SIFT寻找到特征描述子并记录下每个特征描述子在低频子带中的位置,利用特征描述子构造了一种内容匹配度指标;3)利于一种基于内容匹配度的混合融合策略来融合低频子带,利用绝对值取大的融合策略实现高频子带系数的融合;5)利用非下采样轮廓波逆变换生成融合图像。本发明能充分融合红外与可见光苹果图像的有用信息,有效保护源图像细节,改善视觉效果,相比传统的融合方法极大地提高了融合图像的质量,能够有效的实施苹果的无损质量检测。CN106897999ACN106897999A权利要求书1/2页1.一种用于苹果无损检测的基于尺度不变特征变换的苹果图像融合方法,其特征是:首先利用非下采样轮廓波变换将待融合红外与可见光苹果图像分解为低频子带和高频子带;对低频子带利用尺度不变特征变换提取到特征描述子并记录下每个特征描述子在低频子带中的位置,利用特征描述子构造了一种内容匹配度指标,接着采用一种基于内容匹配度的混合融合策略用来融合低频子带,对高频子带利用非下采样高频系数绝对值取大的融合策略实现高频子带系数的融合;最后利用非下采样轮廓波逆变换生成融合后的苹果图像。2.根据权利要求1所述的基于尺度不变特征变换SIFT(Scale-InvariantFeatureTransform)的苹果图像融合方法,其特征在于包括以下具体步骤:1)利用非下采样轮廓波变换将待融合图像分解为低频子带和高频子带;2)对待融合苹果图像低频子带利用尺度不变特征变换提取特征描述子并记录下每个特征描述子在低频子带中的位置,利用特征描述子构造了一种内容匹配度指标;3)采用不同的融合规则分别确定融合图像的低频子带系数和高频子带系数;3.1)对非下采样轮廓波低频子带采用基于内容匹配度的混合融合策略来融合;3.2)对非下采样轮廓波高频子带采用非下采样高频系数绝对值取大的融合策略实现融合;4)对步骤3)所得低、高频子带融合系数,执行非下采样轮廓波逆变换获得最终的红外与可见光苹果融合图像。3.根据权利要求2所述的基于尺度不变特征变换的苹果图像融合方法,其特征在于:步骤1)所述对尺寸为M×N大小的红外与可见光苹果图像执行非下采样轮廓波变换,分解得到低频子带系数LCA(x,y)和LCB(x,y)以及不同尺度不同方向的子带系数和其中LCA(x,y)和LCB(x,y)分别代表红外图像A和可见光图像B的低频子带(x,y)点处的值,和分别代表红外图像A和可见光图像B的第s尺度中第t方向的高频子带(x,y)点处的值。4.根据权利要求2所述的基于尺度不变特征变换的苹果图像融合方法,其特征在于:步骤2)所述对低频子带利用SIFT提取特征描述子构造一种内容匹配度指标,具体如下:首先,利用SIFT在待融合的红外和可见光苹果图像低频子带上寻找特征点,在所有特征点处生成特征描述子(des1(i)和des2(j)),其中i∈(1,m),j∈(1,n),m为红外图像低频子带中SIFT特征描述子的总数,n为可见光图像低频子带中SIFT特征描述子的总数;接着,利用对应低频子带中的SIFT特征描述子(des1(i)和des2(j))来评估待融合图像低频子带的内容匹配度。按下述公式计算第一幅图像的低频子带中的每一个特征描述子des1(i)与另一幅图像低频子带中所有特征描述子des2(j)之间的距离dist(i,j):Tdist(i,j)=acos(des1(i)*des2(j));将与des1(i)对应的所有的dist(i,j)从小到大排序,取dist(i,j)值最小者minDist(i)和第二小者2ndDist(i)。若minDist(i)<distRatio*2ndDist(i),则认为两个特征描述子处的内容是匹配的,此时记录下minDist(i)对应的des1(i)和des2(j)的位置;如果位置坐标相同的话,则将这样的特征描述子定义为内容匹配特征描述子,并根据其在低频子带中的位置生成内容匹配特征描述子分布图(desmap