一种基于小波分解与泊松融合的图像融合方法及其应用.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CN112001874A(43)申请公布日2020.11.27(21)申请号202010883243.X(22)申请日2020.08.28(71)申请人四川达曼正特科技有限公司地址610093四川省成都市武侯区天府大道中段1388号1栋5层522号申请人成都理工大学西南交通大学(72)发明人张葛祥杨强皮祥辛李新明荣海娜(74)专利代理机构成都盈信专利代理事务所(普通合伙)51245代理人崔建中(51)Int.Cl.G06T5/50(2006.01)权利要求书1页说明书6页附图6页(54)发明名称一种基于小波分解与泊松融合的图像融合方法及其应用(57)摘要本发明公开了一种基于小波分解与泊松融合的图像融合方法及其应用。图像融合方法包括：对源图进行区域掩膜处理，再进行小波处理、泊松融合和局部方差融合，最后进行小波逆变换得到融合图。图像融合方法可应用于将生成的纸病样本融合进大张图像的特定位置，不会对原图片背景造成影响。本发明的有益效果是：将ROI区域自然地融合进背景的情况下，高低频成分基本上都没有信息丢失；在不过多影响背景的情况下，很好地保留前景ROI区域的细节信息。适用于钞纸的不同类型的纸病，并针对纸病得到最好的融合方案。CN112001874ACN112001874A权利要求书1/1页1.一种基于小波分解与泊松融合的图像融合方法，其特征在于，包括：步骤1：将第一源图的ROI区域进行掩膜处理，得到ROI区域图；将第二源图进行掩膜处理，得到剩余背景区域图；步骤2：将ROI区域图和剩余背景区域图分别进行小波分解，得到其图像金字塔；步骤3：将ROI区域图和剩余背景区域图的图像金字塔中的低频分量进行泊松融合，得到融合图的低频分量；步骤4：将ROI区域图和剩余背景区域图的图像金字塔中的高频分量进行局部方差加权融合，得到融合图的高频分量；步骤5：将融合图的低频分量与高频分量组合成图像金字塔，再进行小波逆变换得到融合图。2.如权利要求1所述的图像融合方法的应用，其特征在于，所述第一源图为钞纸的纸病样本，ROI区域为存在纸病的区域。3.如权利要求2所述的图像融合方法的应用，其特征在于，所述小波分解的小波基为haar、db4或sym2，分解层数为1、2、3或4层。4.如权利要求2所述的图像融合方法的应用，其特征在于，所述小波分解的小波基为db4，分解层数为4层。5.如权利要求2所述的图像融合方法的应用，其特征在于，所述纸病为白点、白印、黑点、腐浆或穿孔，或白点、白印、黑点、腐浆、穿孔之任意两种的组合，或白点、白印、黑点、腐浆、穿孔之任意两种以上的组合。2CN112001874A说明书1/6页一种基于小波分解与泊松融合的图像融合方法及其应用技术领域[0001]本发明涉及图像融合技术领域，特别是一种基于小波分解与泊松融合的图像融合方法及其应用。背景技术[0002]钞纸外观质量作为钞票纸张防伪技术的关键与重要一环，其出厂质量直接影响着钞票的防伪质量与流通水平，甚至从而影响货币供应量，扰乱央行对货币市场容量的判断，阻碍人民币国际化的进程。通过输入指定纸病类型对应颜色的标签给条件生成网络，便能得到对应的纸病样本。但是运用到实际工业环境中，还需要将生成的纸病样本融合进大张图像的特定位置且不会对原图片背景造成影响，才能有效地进行工程化应用。[0003]当前，国内钞纸生产行业所使用的模型检测方法(实际生产存图与人工图像合成)均有一定的风险与缺陷无法避免。生成对抗网络是Goodfellow等在2014年提出的一种生成式模型，神经网络之父YannLecun称其为“过去十年中机器学习领域最激动人心的点子"。这两年，其强大的模型创新生成能力让其成为人工智能学界一个热门的研究方向，GAN的基本思想源自博弈论的二人零和博弈，由一个生成器和一个判别器构成，通过对抗学习的方式来训练，目的是估测数据样本的潜在分布并生成新的数据样本。通过采用基于生成对抗网络的电子样张生成模型，将不再需要人为手动提取纸病特征并融合在检测大张上，而是以数据驱动的方式进行特征学习，并自动生成与目标纸病类似但不同的纸病特征，使其可以有效的验证检测模型与成像环境的鲁棒性。不仅可以实现用于设备检测能力验证，而且可以作为样本数据增强的一种手段，丰富与深度学习相关的理论研究，对推动钞纸机检系统深度学习能力发展，加快钞纸行业人工智能工厂建设具有重要意义。发明内容[0004]本发明的目的是提供一种基于小波分解与泊松融合的图像融合方法及其应用。[0005]实现本发明目的的技术方案如下：[0006]一种基于小波分解与泊松融合的图像融合方法，包括：[0007]步骤1：将第一源图的ROI区域进行掩膜处理，得到ROI区域图；将第二源图进行掩膜处理，得到剩余背