基于扩展高斯差分和引导滤波的图像融合方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115358963A(43)申请公布日2022.11.18(21)申请号202211279027.X(22)申请日2022.10.19(71)申请人季华实验室地址528200广东省佛山市南海区桂城街道环岛南路28号(72)发明人李小松接玉婵谭海曙程晓琦周富强(74)专利代理机构佛山市海融科创知识产权代理事务所(普通合伙)44377专利代理师陈志超(51)Int.Cl.G06T5/50(2006.01)G06T7/13(2017.01)权利要求书2页说明书10页附图1页(54)发明名称基于扩展高斯差分和引导滤波的图像融合方法(57)摘要本申请涉及图像处理技术领域，提供了一种基于扩展高斯差分和引导滤波的图像融合方法，方法包括：获取多张第一源图像；基于绝对值取大的融合规则，对多张第一源图像两两进行初步融合，以获取初始融合图像；使用均值滤波方法将初始融合图像和初始融合图像对应的两张第二源图像进行分离处理，以获取初始融合图像的第一能量层和两张第二源图像的第二细节层；第二源图像为生成初始融合图像的第一源图像；根据各第二细节层分别获取对应的第一最终决策图；分别对各第一最终决策图进行引导滤波，以获取对应的第二最终决策图；根据第二最终决策图、第二细节层和第一能量层获取对应的最终融合图像。本发明具有融合效果好和信息保留完整的有益效果。CN115358963ACN115358963A权利要求书1/2页1.一种基于扩展高斯差分和引导滤波的图像融合方法，其特征在于，包括以下步骤：S1.获取多张第一源图像；S2.基于绝对值取大的融合规则，对多张所述第一源图像两两进行初步融合，以获取初始融合图像；S3.使用均值滤波方法将所述初始融合图像和所述初始融合图像对应的两张第二源图像进行分离处理，以获取所述初始融合图像的第一能量层和两张所述第二源图像的第二细节层；所述第二源图像为生成所述初始融合图像的第一源图像；S4.根据各所述第二细节层分别获取对应的第一最终决策图；S5.分别对各所述第一最终决策图进行引导滤波，以获取对应的第二最终决策图；S6.根据所述第二最终决策图、所述第二细节层和所述第一能量层获取对应的最终融合图像。2.根据权利要求1所述的基于扩展高斯差分和引导滤波的图像融合方法，其特征在于，步骤S2中，根据以下公式计算，以获取初始融合图像：其中，i和j分别为像素点的横坐标值和纵坐标值；A和B分别表示第一源图像A和第一源图像B的标识;为初始融合图像的像素点的像素值；为第一源图像A的像素点的像素值；为第一源图像B的像素点的像素值；为二值决策图的像素点的像素值。3.根据权利要求1所述的基于扩展高斯差分和引导滤波的图像融合方法，其特征在于，步骤S3包括：S301.获取所述初始融合图像的第一能量层和所述第二源图像的第二能量层；S302.根据所述第二能量层和所述第二源图像计算所述第二细节层。4.根据权利要求3所述的基于扩展高斯差分和引导滤波的图像融合方法，其特征在于，步骤S4包括：S401.基于边缘特征提取算子，分别对各所述第二细节层进行边缘特征提取，以生成对应的边缘信息决策图；S402.基于空间频率算子，分别对各所述边缘信息决策图进行优化，以获取对应的第一最终决策图。5.根据权利要求4所述的基于扩展高斯差分和引导滤波的图像融合方法，其特征在于，步骤S401包括：使用扩展高斯差分分别对各所述第二细节层进行边缘特征提取，以生成对应的所述边缘信息决策图。6.根据权利要求5所述的基于扩展高斯差分和引导滤波的图像融合方法，其特征在于，步骤S401中，根据以下公式计算高斯差分变体：2CN115358963A权利要求书2/2页其中，为高斯差分变体；和均为高斯平滑滤波函数；为检测出的物体边缘轮廓的权重；为空间域内高斯分布的标准差；代表像素点的二维坐标，即像素点；为该像素点的向量的模；k为精确近似和合适灵敏度之间的权衡参数。7.根据权利要求4所述的基于扩展高斯差分和引导滤波的图像融合方法，其特征在于，步骤S402包括：S4021.对所述空间频率算子进行优化计算，以分别获取各所述第二源图像对应的能量空间频率算子；S4022.分别使用各所述能量空间频率算子对各所述边缘信息决策图进行优化，以获取对应的所述第一最终决策图。8.根据权利要求7所述的基于扩展高斯差分和引导滤波的图像融合方法，其特征在于，所述能量空间频率算子的计算公式如下：其中，为第二源图像的像素点的能量空间频率算子；为第二源图像的像素点的空间频率算子；为第二源图像的像素点的能量算子。9.根据权利要求1所述的基于扩展高斯差分和引导滤波的图像融合方法，其特征在于，最终融合图像的计算公式如下：其中，为最终融合图像的像素点的像素值；为最终融合图像的细节层图像的像素点的像素值;