一种多聚焦多源图像融合方法.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CN111275655A(43)申请公布日2020.06.12(21)申请号202010073108.9(22)申请日2020.01.20(71)申请人上海理工大学地址200093上海市杨浦区军工路516号(72)发明人王文举傅杰高欣然(74)专利代理机构上海德昭知识产权代理有限公司31204代理人郁旦蓉(51)Int.Cl.G06T5/50(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书9页附图4页(54)发明名称一种多聚焦多源图像融合方法(57)摘要本发明提供一种多聚焦多源图像融合方法，对具有M个聚焦点的源图像进行分解融合叠加处理，将源图像分解成基部和细节，采用双数复小波算法对所述基部进行滤波去噪获得融合基部，采用预训练模型VGG-S对细节进行深度特征提取获得细节特征，并采用多层融合策略重构细节特征，接着对所述细节特征选取梯度极大值获得融合细节，最后将获得的融合基部和融合细节进行叠合，完成图像融合。该方法获得的融合图像不仅保留了融合前图像的特征信息，提高了图像有效信息的利用率，同时清晰度也更高，更加细节化，全面化，优质化。该方法应用范围更为广阔，可以在日常生活，医学，军事等方面提供更多图像信息。CN111275655ACN111275655A权利要求书1/3页1.一种多聚焦多源图像融合方法，用于对具有M个聚焦点的源图像进行分解融合叠加处理，其中M为大于1的整数，其特征在于，包括如下步骤：基部和细节分离，采用优化算法对所述源图像进行分解获得所述源图像的基部以及细节；基部融合，采用双树复小波算法对所述基部进行滤波去噪，从而得到融合基部FB；特征提取，采用预训练模型VGG-S对所述细节进行深度特征提取从而获得细节特征；细节融合，采用多层融合策略重构所述细节特征，接着对所述细节特征选取梯度极大值，从而得到融合细节FD；基部和细节叠加，将融合完成后的所述融合基部FB以及所述融合细节FD叠加，完成图像融合。2.根据权利要求1所述的多聚焦多源图像融合方法，其特征在于：其中，所述优化算法为基于引导滤波的优化分解方法。3.根据权利要求1和2所述的多聚焦多源图像融合方法，其特征在于，所述基部和细节分离的具体步骤如下：将所述源图像用矩阵表示为IM，采用所述基于引导滤波的优化分解方法分离所述源图像的所述基部计算公式为：T其中，gx＝[-11]为水平梯度运算符,gy＝[-11]为垂直梯度运算符，λ为局部权重参数，根据计算得到的所述源图像的所述基部计算所述源图像的所述细节计算公式为：4.根据权利要求1所述的多聚焦多源图像融合方法，其特征在于，所述基部融合的具体步骤如下：S1，对所述源图像的所述基部分别进行双树复小波变换，从而得到所述基部的多阶双树复小波分解子图像，S2，对所述多阶双树复小波分解子图像的各阶分解层进行融合处理，从而得到融合后的多阶双树复小波子图像，S3，对融合后的所述多阶双树复小波子图像进行逆双树复小波变换，从而得到所述融合基部FB。5.根据权利要求4所述的多聚焦多源图像融合方法，其特征在于，所述步骤S1具体步骤如下：采用两个独立的小波变换同时作用进行复数小波变换，小波函数为：Ψ(t)＝Ψh(t)+iΨg(t)2其中，i为虚数，i＝-1；Ψh(t)和Ψg(t)为实数值小波，对所述基部FB的每一行进行一次一维双树复小波变换，然后对所述基部的每一列进行一次一维双树复小波变换，从而得到两个平行的小波树，树A和树B，2CN111275655A权利要求书2/3页一级分解，用所述树A表示复小波的实部，所述树B表示复小波的虚部，采用低通滤波器h0(n)和高通滤波器h1(n)对所述树A进行滤波，得到所述树A的尺度函数和小波函数Ψh(t)：采用低通滤波器g0(n)和高通滤波器g1(n)对所述树B进行滤波，得到所述树B的尺度函数和小波函数Ψg(t)：二级分解，对所述树A的尺度函数和小波函数Ψh(t)以及所述树B的尺度函数和小波函数Ψg(t)，分别采用低通滤波器和高通滤波器进行滤波，得到二级分解后的所述尺度函数和小波函数，多级分解，对上一级分解后得到的所述尺度函数和所述小波函数分别采用低通滤波器和高通滤波器进行滤波，每一级分解后得到6个高频子带H(j+1,i)，i∈{1,2,3,4,5,6}以及2个低频子带L(j+1,1)、L(j+1,2)，每一级分解都基于上一层的低频子带进行，其中j为分解级数，将多级分解后得到的所述低频子带作为所述多阶双树复小波分解子图像。6.根据权利要求4所述的多聚焦多源图像融合方法，其特征在于：其中，所述融合处理对各阶所述分解层的不同频率分量采用不同的融合算子，对同阶所述分解层采用相同的融合算子。7.根据