專利名稱：基于壓縮感知的多聚焦圖像融合方法
技術領域：
本發(fā)明屬于圖像處理技術領域，涉及圖像融合技術，具體地說是一種結合了壓縮感知理論的多聚焦圖像融合方法，該方法可用在多聚焦圖像融合中。
背景技術：
圖像融合作為一個新興的科研領域有著廣闊的發(fā)展前景。它通過提取和綜合來自多個傳感器圖像的信息，獲得對同一場景或目標的更為準確、全面、可靠的圖像描述，以便對圖像進行進一步的分析、理解以及目標的檢測、識別或跟蹤。從二十世紀八十年代初至今，多傳感器圖像融合已引起了世界范圍內的廣泛興趣和研究熱潮，它在自動目標識別、計算機視覺、遙感、機器學習、醫(yī)學圖像處理以及軍事應用等領域有著廣泛的應用前景。經過將近三十年的發(fā)展，圖像融合技術的研究已經形成了一定的規(guī)模，國內外已開發(fā)出多種融合系統(tǒng)，但這并不表明該項技術已經完善。從目前的情況來看，圖像融合技術還存在許多理論和技術方面的問題有待解決。尤其需要指出的是圖像融合技術在國內所進行的研究相對于國際上的研究工作起步較晚，還處于落后狀態(tài)。因此迫切需要進行廣泛深入的基礎理論和基礎技術的研究。隨著信息技術的飛速發(fā)展，人們對信息量的需求與日俱增。在這種背景下，傳統(tǒng)的圖像融合方法，比如基于多尺度變換的融合方法，參見文章《Region based multisensorimage fusion using generalized Gaussian distribution》，in Int. Workshop onNonlinear Sign, and Image Process. S印.2007，需要處理的數(shù)據(jù)量十分可觀，這就造成了對信號采樣、傳輸和存儲的巨大壓力，如何緩解這種壓力又能有效提取承載在信號中的有用信息是信號與信息處理中急需解決的問題之一。近幾年來國際上出現(xiàn)的壓縮感知理論CS為緩解這些壓力提供了解決途徑。壓縮感知可以在不需要預先假設圖像的任何先驗信息下充分提取出圖像中的有用信息，這樣，僅對提取出的有用信息進行融合可以大大緩解數(shù)據(jù)的計算和存儲壓力。目前，學者們已經在模擬-信息采樣、合成孔徑雷達成像、遙感成像、核磁共振成像、人臉識別、信源編碼等諸多領域對壓縮感知展開了廣泛的應用研究。最近幾年國內也掀起了壓縮感知的研究熱潮。但是將壓縮感知理論用在圖像融合上的研究還很少。學者T. Wan等人率先將壓縮感知的理論用于圖像融合的嘗試，參見文章《CompressiveImage Fusion)), in Proc. IEEE Int. Conf. Image Process, pp. 1308-1311, 2008.該方法米用絕對值取大的融合規(guī)則，不僅計算復雜度高，而且融合結果存在大量噪聲和條紋。

發(fā)明內容
本發(fā)明的目的在于克服上述已有技術的缺點，提出了一種基于壓縮感知的多聚焦圖像融合方法，以減少數(shù)據(jù)量，降低計算的復雜度，并在降低復雜度的同時提高圖像融合的效果。實現(xiàn)本發(fā)明目的的技術關鍵是利用壓縮感知對信號的不完全采樣來減少數(shù)據(jù)量，利用正交匹配追蹤算法來降低計算的復雜度，整個處理分為三大部分，首先對多聚焦圖像
3進行分塊并采用隨機高斯矩陣對稀疏表示后的各個多聚焦圖像子塊進行觀測，再對觀測后的各個圖像子塊觀測值采用基于平均梯度加權的融合方法進行融合，然后采用正交匹配追蹤算法對融合后的觀測值進行重構得到融合后的全聚焦圖像。其具體步驟包括如下(1)對輸入的兩幅多聚焦圖像A和B進行分塊，得到η個大小均為32X32的圖像子塊 xjn Yi (i = 1，2Λη)；(2)計算并記錄多聚焦圖像A和B各對應圖像子塊Xi和Ii的平均梯度和VGb ；(3)對多聚焦圖像A和B的各對應圖像子塊Xi和Yi進行小波變換，得到稀疏變換后的圖像子塊 和、，實驗中采用的小波為雙正交小波的濾波器CDF 9/7小波基，分解層數(shù)為3;(4)將小波變換后的各個圖像子塊^和、排成列向量，用隨機高斯矩陣進行觀測，得到多聚焦圖像A和B每兩個對應圖像子塊的觀測值yA和yB ；(5)對多聚焦圖像A和B每兩個對應的圖像子塊的觀測值yA和yB，按如下步驟進行融合，得到融合后的圖像子塊觀測值為y (5a)計算多聚焦圖像A和B每兩個對應的圖像子塊的融合權值
權利要求
1. 一種基于壓縮感知的多聚焦圖像融合方法，包括如下步驟(1)對輸入的兩幅多聚焦圖像A和B進行分塊，得到η個大小均為32X32的圖像子塊Xi 禾口 y” i = 1,2Λη ；(2)計算并記錄多聚焦圖像A和B各對應圖像子塊Xi和yi的平均梯度V^4和Vgs；(3)對多聚焦圖像A和B的各對應圖像子塊Xi和yi進行小波變換，得到稀疏變換后的圖像子塊 和實驗中采用的小波為雙正交小波的濾波器CDF 9/7小波基，分解層數(shù)為3 ；(4)將小波變換后的各個圖像子塊％和h排成列向量，用隨機高斯矩陣對列向量進行觀測，得到多聚焦圖像A和B每兩個對應圖像子塊的觀測值yA和yB ；(5)對多聚焦圖像A和B每兩個對應的圖像子塊的觀測值yA和yB，按如下步驟進行融合，得到融合后的圖像子塊觀測值為y (5a)計算多聚焦圖像A和B每兩個對應的圖像子塊的融合權值
2.根據(jù)權利要求1所述的基于壓縮感知的多聚焦圖像融合方法，其中步驟(2)所述的計算并記錄多聚焦圖像A和B各對應圖像子塊、和yi的平均梯度，按如下公式計算
3.根據(jù)權利要求1所述的基于壓縮感知的多聚焦圖像融合方法，其中步驟(4)所述的用隨機高斯矩陣對列向量進行觀測，是通過如下公式進行；Yi = Φ θ ι其中，Φ為隨機高斯觀測矩陣，91為圖像子塊的列向量，1=々，8，71為各個圖像子塊的觀測值。
全文摘要
本發(fā)明公開了一種基于壓縮感知的多聚焦圖像融合方法，它涉及圖像處理技術領域，主要解決現(xiàn)有技術由于光學鏡頭景深有限，難以獲取一幅所有景物均聚焦的清晰圖像的問題。其實現(xiàn)步驟為(1)對圖像進行分塊；(2)計算每個圖像子塊的平均梯度以確定融合權值；(3)對每個圖像子塊進行稀疏表示并采用隨機高斯矩陣對每個圖像子塊進行觀測；(4)對每個圖像子塊的觀測值的融合權值進行加權融合；(5)對融合后的圖像觀測值采用正交匹配追蹤算法進行恢復并對恢復結果進行小波逆變換得到融合后的全聚焦圖像。本發(fā)明可獲得較好的圖像融合結果并具有較好的收斂性能，可用多聚焦圖像的融合。
文檔編號G06T5/50GK102393958SQ20111019936
公開日2012年3月28日 申請日期2011年7月16日 優(yōu)先權日2011年7月16日
發(fā)明者侯彪, 劉忠偉, 劉芳, 楊國輝, 楊奕堂, 楊淑媛, 焦李成, 王爽, 鐘樺 申請人:西安電子科技大學