基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法.pdf

(19)中华人民共和国国家知识产权局*CN102063713A*(12)发明专利申请(10)申请公布号CN102063713A(43)申请公布日2011.05.18(21)申请号201010544858.6(22)申请日2010.11.11(71)申请人西北工业大学地址710072陕西省西安市友谊西路127号(72)发明人郭雷程塨赵天云姚希文路艳(74)专利代理机构西北工业大学专利中心61204代理人王鲜凯(51)Int.Cl.G06T5/50(2006.01)权利要求书2页说明书6页附图3页(54)发明名称基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法(57)摘要本发明涉及一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法。首先利用小波变换对图像进行多尺度分解，获得图像在不同分辨率和不同方向下的低频和高频信息；然后根据低频和高频信息的各自特性，采用不用的融合规则进行处理，其中，对低频子图像采用基于邻域归一化梯度的融合方法，克服了传统的低频分量融合方法忽略边缘信息的缺点，对高频子图像采用基于邻域标准差的融合方法，可以最大限度的保留图像的细节信息；最后进行小波重构得到融合图像。本发明克服了传统的融合算法存在的边缘失真现象，使融合后的图像质量和清晰度均有明显提高，可以应用于各类军用或民用的多聚焦图像融合系统。CN102637ACCNN110206371302063723A权利要求书1/2页1.一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法，其特征在于步骤如下：步骤1：预处理：采用序贯相似度检测匹配法对两幅聚焦不同的源图像进行图像配准，并利用线性变换方法将两幅源图像的灰度范围映射到一个一致的灰度区间，得到预处理后的两幅图像A和B；步骤2：小波变换：利用Mallat算法对预处理后的两幅图像A和B分别进行小波变换，其中，对预处理后的图像A进行小波变换得到小波变换系数对预处理后的图像B进行小波变换得到小波变换系数所述的LA和LB分别表示预处理后的两幅图像A和B的低频子图像；所述的和分别表示预处理后的两幅图像A和B在尺度t下p方向的高频子图像；所述的t为小波变换的分解尺度，为大于等于1的整数；所述的p表示每个分解尺度下的不同方向，p＝1，2，3，p＝1表示水平方向，p＝2表示垂直方向，p＝3表示对角方向；步骤3：融合处理：采用基于邻域归一化梯度的方法对低频子图像LA和LB进行融合处理，得到低频融合图像LF；采用基于邻域标准差的方法对高频子图像和进行融合处理，得到高频融合子图像所述的基于邻域归一化梯度的融合处理方法具体为：其中，(i，j)表示图像中像素点的位置为i行j列，i＝1，…，P，j＝1，…，Q，P为低频子图像的总行数，Q为低频子图像的总列数；LF(i，j)表示位于低频融合图像LF第i行j列像素点的值；GA(i，j)和GB(i，j)分别表示低频子图像LA和LB中以(i，j)像素为中心的M×N大小邻域内所有像素值的归一化梯度平方和，计算公式分别为所述的基于邻域标准差的融合处理方法为：其中，为位于高频融合子图像第i行j列像素点的值；和分别为高频子图像和中以(i，j)像素为中心的大小邻域内所有像素值的标准差；所述的M×N和大小邻域为大小为3×3、5×5、7×7等的正方形区域；步骤4：小波重构：将融合处理后得到的低频融合图像LF和高频融合子图像进行小2CCNN110206371302063723A权利要求书2/2页波逆变换，得到最终的融合结果图像。2.根据权利要求1所述的一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法，其特征在于：所述的一致的灰度区间为[0，1]或[0，255]。3CCNN110206371302063723A说明书1/6页基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法技术领域[0001]本发明涉及一种多聚焦图像融合方法，属于信息融合领域，可以应用于各类军用或民用的多聚焦图像融合系统。背景技术[0002]多聚焦图像融合是指因镜头聚焦不同而形成的多个图像通过一定处理，得到目标聚焦都清晰的结果图像。目前，常用的多聚焦图像融合方法主要分为变换域与空间域两大类方法。基于变换域的常用图像融合方法主要采用拉普拉斯金字塔和小波变换等。由于金字塔形分解结构中不同分辨率的细节信息彼此相关，算法稳定性较差。而经正交小波变换得到的各子带数据分别落在相互正交的子空间中，所以不同分辨率、不同子空间的细节信息相关性减小，因此基于小波变换的图像融合技术能克服金字塔形分解融合技术的不足。[0003]目前，人们对基于小波变换的多聚焦图像融合方法的研究主要集中在高频分量融合规则的选择上，而对低频分量融合规则的研究则较少。由于图像的低频分量集中了图像的主要能量，反映图像的近似和平均特性，因此对低频分量融合规则的研究将直接影响到融合图像的质