專利名稱：：基于混合多分辨率分解的圖像融合方法
技術領域：
：本方法涉及一種圖像融合方法，特別涉及一種基于混合多分辨率分解的圖像融合方法。
背景技術：
：圖像融合指按照一定的規則，把同一目標或同一場景的多個傳感器的成像或單一傳感器的多次成像進行處理，生成一幅新的圖像。新圖像與原圖像相比，信息更全面、精確和穩定。它綜合了傳感器技術、信號處理、圖像處理和人工智能等新興技術，在軍事領域和非軍事領域如遙感圖像、醫學圖像、機器視覺上得到了廣泛地應用。圖像融合一般可分為像素級圖像融合、特征級圖像融合和決策級圖像融合。其中像素級圖像融合是最基本的融合，是特征級和決策級圖像融合的基礎。圖像融合最簡單的方法是加權平均法，即將原圖像對應像素的灰度值進行加權平均，生成新的圖像。這種方法雖然簡單但效果比較差。基于Laplacian金字塔、比率低通金字塔、梯度金字塔等圖像多分辨率分解的融合方法是圖像融合最常用的方法。但是塔形分解是冗余分解，而且不能夠很好的表達圖像的方向信息。90年代小波變換在圖像處理中得到廣泛應用，因為其具有的方向性、非冗余性以及具有快速算法等特點，在圖像融合中得到了廣泛的應用，可獲得良好的融合效果。小波變換在分析點狀瞬態特性的奇異性時是最優的，但在表示圖像結構的直線和曲線奇異性時卻不是最優的。
發明內容為了解決基于小波變換的圖像融合方法存在的上述技術問題，本發明提供一種基于混合多分辨率分解的圖像融合方法。本發明方法將基于非下采樣的輪廓波變換和靜態小波變換的融合方法結合起來，可有效提高融合結果圖像的質量，達到比較理想的融合效果。本發明解決上述技術問題的技術方案包括以下歩驟將兩幅源圖像進行非下采樣輪廓波分解，得到分解后的子帶輪廓波高頻和低頻系數；根據高頻于帶系數計算其能量值，選擇能量值最大的系數作為融合的高頻輪廓波變換系數；對子帶輪廓波分解系數屮的低頻于帶系數進--步進行靜態小波變換，得到對應的靜態小波變換系數，對靜態小波變換系數中的高頻分量，采用選擇小波系數能量值最大的方法進行融合，對靜態小波變換系數中的低頻分量通過求平均的方法進行融合，得到融合圖像對應的靜態小波變換系數，對靜態小波變換系數進行逆變換，得到融合的低頻輪廓波變換系數；對融合的輪廓波變換系數進行逆變換，得到融合的圖像。上述的基于混合多分辨率分解的圖像融合方法中，所述能量值的計算包括以下步驟采用基于窗口的加權平均法，先取每個像素對應的所有高頻系數的平方和，再對其進行基"？窗口的加權平均。本發明的技術效果在于本發明在圖像融合的過程中對每-《昌源圖像分別進行非下采樣輪廓波變換，得到它們的輪廓波分解系數，對其高頻分量，釆用選擇能量值最大的方法進行融合；對低頻分量采用基于靜態小波變換的圖像融合方法進行融合；對融合的輪廓波變換系數進行逆變換，得到最終的融合圖像。本發明充分結合了靜態小波變換的能夠保留源圖像角點、紋理等細節信息的特點以及非下采樣輪廓波變換具有的方向性和各向異性，能夠很好的表達源圖像中邊緣信息的優點。經實驗對比，本發明的融合效果較好，能夠使融合后的圖像的質量得到較大的提高。下面結合附圖對本發明f1進-一步的說明。圖l為本發明的流程圖。圖2為本發明中多聚焦圖像融合實例(a)聚焦在右邊的圖像；(b)聚焦在左邊的源圖像；(c)基-丁輪廓波變換方法得到的融合結果；(d)基于靜態小波變換得到的結果；(e)本發明方法得到的融合結果。圖3為醫學圖像融合實例(a)CT圖像；(b)MRJ圖像；(c)基于輪廓波變換方法得到的融合結果；(d)基于靜態小波變換得到的結果；(e)本發明方法得到的融合結果。圖4為紅外可見光圖像融合實例(a)紅外圖像；(b)可見光圖像；(C)基于輪廓波變換方法得到的融合結果；(d)基于靜態小波變換得到的結果；(e)本發明方法得到的融合結果。具體實施例方式參見圖l，圖l為木發明的流程圖。其具體實施歩驟如下1.將輸入的已經配準的源圖像分別進行非下采樣的輪廓波(NSCT)分解t下釆樣輪廓波變換將多尺度分解和方向分解分開進行，首先使用非卜釆樣塔式濾波器組(NonsubsampledPyramidFilterBank,NSPFB)對源圖像進行多尺度分解，然后利用非下采樣方向濾波器組(NonsubsampledDirectionalFilterBank,NSDFB)對多尺度分解得到的子帶系數進行方向分解，從而得到不同尺度、不同方向的子帶系數。非下采樣塔式分解是一個在拉普拉斯分解過程中去掉下采樣，對濾波器進行上采樣的過程。當分解層數為J時，其冗余度為J+1，并且滿足完全重構的Bezout恒等式//0(梶2)+"1(1)其中/AU，G。(z)為塔式分解的低通分解濾波器和合成濾波器，q("為塔式分解的卨通分解濾波器和合成濾波器。非下采樣的方向濾波是一種在方向濾波中無下采樣的濾波過程，通過atrous小波算法實現。^trous算法是將圖像分解為不同頻帶上的細節信息和最低頻帶的近似信息，該細節信恩稱為小波面，其大小與原圖像大小相同。對于圖像/(x，力，可逐級得到以下圖像序列》,，聰x，力],,力=丄2[你,力]②乂:、(二>0=丄/^—其中，./;(x,力為尺度r下的近似圖像，/。"力是/oc,力，^為低通濾波。it42,….,V。相鄰尺度的近似圖像間差異構成小波變換的高頻系數即小波面AO,>o=y;(x，_y)—y;—,(x,力(3)其中《/(0c，.y)為第A層小波面。本發明對源圖像A、B依次進行非下采樣塔式濾波和非下采樣方向濾波變換得到一系列的子帶系數，記為WC7;"和A^C"^1，其中5=0,1,...,&"=1,2,...,2"，S為分解的子帶數，2"為各子帶的方向總數，AWC7;"和MSC7f"為低頻子帶，其它為方向高頻子帶。2.基于能量最大規則的高頻子帶融合6在非F采樣輪廓波分解中，能量值較高的系數對應于圖像中對比度變化較大的邊緣特征，因此高頻子帶融合的關鍵是選取能量較高的部分。本發明采用基于窗口的能量值最大的融合規則，取對應像素能量值較大者作為高頻子帶融合結果。^先定義-一個人小為5x5的巻積模板ff:ff256444444444444妖后利用此模板對所有高頻子帶系數進行巻積，再對巻積結果在對應位置上的各個方向和尺度卜.求和，并將求和結果作為中心位置的能量。能量的整體訃算公式為'(,，/)=11過,+3，"+3)l服7^)(,++")1(4),—2〃=_2,、'=2ts代表尺度總數，d代表方向頻率總數，/,y表示當前點在圖像中的位置，/為橫坐標，乂為縱坐標，w,為變量，其取值由巻積模板^的大小決定。最后高頻系數的融合規則為<formula>formulaseeoriginaldocumentpage7</formula>(5)WSC"、"'和」V義T》、力分別為源圖像a和b經過nsct分解后在尺度s方向d上的子帶系數，」VSC7;^為融合后的對應系數。式(5)表示當a圖像在(;c,力處能量大于b圖像在此處的能量時，則在此處的各個尺度和方向的高頻系數選取a圖像在此處的系數，否則選取b在此處的高頻系數。3.基于靜態小波的低頻系數融合低頻子帶系數w雙T，'1和wser，'采用基于靜態小波變換的圖像融合方法進行融合。靜態小波分解不對濾波結果進行下采樣操作，而是對濾波器進行上采樣。由于靜態小波分解的濾波器是可分離的，因而可在圖像的行和列分別進行濾波。以F是由j層得到j+1層的分解參數<formula>formulaseeoriginaldocumentpage8</formula>式中，4"是原始圖像在尺度2'下的低頻近似，『。和吋"分別是j層圖像在水平，垂直和對角方向的高頻細節信息，a,b表示當前點在圖像中的位置，a為橫坐標，b為縱坐標，k,l為變量，其取值由巻積模板A和g的大小決定。基P靜態小波的低頻系數融合實施方式如下1)對AWCTT1和A^C7f"分別做3層的靜態小波分解，得到它們對應的靜態小波金字塔系數，這些系數分為"頻系數和低頻系數。2)對丁-分解后的低頻系數，采用加權平均算子進行融合F〃=—,+(1—w)xS〃(10)w為加權系數，在本發明中w取的取值為0.5，A,和L分別為MSCTf11禾口WlTf卩經靜態小波分解后的低頻子帶系數。3)對于高頻變換系數，仍然采用能量最大的方法進行融合。在各個尺度內的所有卨頻于帶上，首先基于5x5的窗口W獲得對某--像素的區域特性描述(該像素居于正方形窗口的中心處)，然后合并該尺度上所有子帶在對應々間位置處的區域特性來衡量該系數的重要程度，采用系數的能量來表示系數的軍要程度，其計算公式為<formula>formulaseeoriginaldocumentpage8</formula>窗口W為W=256444444444444，L代表尺度總數，《代表方向總數<比較兩源圖像在各個尺度內不同空間位置上變換系數的重要程度，通過選擇最大重要程度的方法完成變換域內的系數融合，可用如下公式表示'/《、《(12),WTf"和'S,7;)"'分別是對WSC7f和MC7f"進行靜態小波分解后在尺度/方向it上的子帶系數，融合后的對應系數。4)對融合得到的多分辨率系數作3層靜態小波逆變換(ff『T)，得到低頻融合4.采用輪廓波逆變換得到最終融合結果對所得到的輪廓波系數W^^"1作非下采樣的輪廓波逆變換，即非下采樣的方向濾波重構和非下釆樣的塔式重構，得到最終的融合結果圖像。將本發明所提供的方法所得到的融合結果與單獨使用靜態小波變換方法和單獨使用非下采樣輪廓波變換方法所得到的結果進行了比較。圖2、圖3和圖4給出了實驗結果。表l列出了客觀評價的結果。這里用了常用的信息熵(EN)，標準差(STD)以及QAB/F作為評價標準。對于三種評價標準，數值大表示融合結果越好。從實驗結果我們可以看出本發明提出的方法優于傳統的基于小波變換的方法。9表1.圖像融合結果指標評價圖2<table>tableseeoriginaldocumentpage10</column></row><table>權利要求1.一種基于混合多分辨率分解的圖像融合方法，包括以下步驟將兩幅源圖像進行非下采樣輪廓波分解，得到分解后的子帶輪廓波高頻和低頻系數；根據高頻子帶系數計算其能量值，選擇能量值最大的系數作為融合的高頻輪廓波變換系數；對子帶輪廓波分解系數中的低頻子帶系數進一步進行靜態小波變換，得到對應的靜態小波變換系數，對靜態小波變換系數中的高頻分量，采用選擇小波系數能量值最大的方法進行融合，對靜態小波變換系數中的低頻分量通過求平均的方法進行融合，得到融合圖像對應的靜態小波變換系數，對靜態小波變換系數進行逆變換，得到融合的低頻輪廓波變換系數；對融合的輪廓波變換系數進行逆變換，得到融合的圖像。2.根據權利要求1所述的基于混合多分辨率分解的圖像融合方法，所述能量值的計算包括以下步驟采用基T窗口的加權平均法，先取每一個像素對應的所有高頻系數的平方和，再對其進行基于窗口的加權平均。全文摘要本發明公開了一種基于混合多分辨率分解的圖像融合方法。它包括以下步驟將兩幅源圖像進行非下采樣輪廓波分解，得到高頻和低頻子帶系數；根據高頻子帶系數計算其能量值，選擇能量值最大的系數作為融合的高頻輪廓波變換系數；對低頻子帶系數進一步進行靜態小波變換，對其高頻分量，采用選擇小波系數能量值最大的方法進行融合，對其低頻分量通過求平均的方法進行融合，得到靜態小波變換系數，對靜態小波變換系數進行逆變換，得到低頻輪廓波變換系數；對輪廓波變換系數進行逆變換，得到融合的圖像。本發明結合了靜態小波變換和輪廓波變換能表達不同圖像特性的優點，可有效提高融合結果圖像的質量，達到比較理想的融合效果。文檔編號G06T5/50GK101504766SQ20091004295公開日2009年8月12日申請日期2009年3月25日優先權日2009年3月25日發明者李樹濤,斌楊申請人:湖南大學