一種結(jié)合壓縮感知的二次圖像融合方法
【專(zhuān)利摘要】本發(fā)明提出了一種結(jié)合縮感知的二次圖像融合方法。本發(fā)明步驟：首先，通過(guò)運(yùn)用最小二乘逼近法得到源圖像的逼近圖像，并計(jì)算源圖像與逼近圖像的差，得到差值圖像；然后對(duì)逼近圖像和差值圖像分別進(jìn)行空間域上融合；在此基礎(chǔ)上，利用壓縮感知方法分別得到融合后逼近圖像與差值圖像的測(cè)量值，按照加權(quán)融合規(guī)則將兩幅圖像的測(cè)量值再次融合得到融合測(cè)量值；最后經(jīng)正交匹配追蹤算法對(duì)融合測(cè)量值進(jìn)行重構(gòu)并逆變換得到二次融合后圖像。本發(fā)明能提取圖像的輪廓信息與特征信息，保留更多源圖像的有用信息，從而增強(qiáng)圖像的清晰度。
【專(zhuān)利說(shuō)明】一種結(jié)合壓縮感知的二次圖像融合方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，涉及圖像融合技術(shù)，具體地說(shuō)是一種結(jié)合壓縮感 知的二次圖像融合方法。

【背景技術(shù)】
[0002] 圖像融合是多傳感器信息融合的一個(gè)重要分支。圖像融合的主要思想是將不同傳 感器獲得的同一景物的圖像或同一傳感器在不同時(shí)刻獲得的同一景物的圖像，經(jīng)過(guò)去噪、 時(shí)間配準(zhǔn)、空間配準(zhǔn)和重采樣后，再運(yùn)用具體的融合算法得到一幅合成圖像。合成圖像中能 反映多重原始圖像中的信息，以達(dá)到對(duì)目標(biāo)和場(chǎng)景更精確、更全面的分析和判斷。而且，圖 像融合技術(shù)可以消除冗余，增加互補(bǔ)，降低不確定性，減少模糊度，增強(qiáng)信息透明度，提高信 息的可靠度。圖像融合在自動(dòng)目標(biāo)識(shí)別、計(jì)算機(jī)視覺(jué)、遙感、機(jī)器人、醫(yī)學(xué)圖像處理以及軍事 應(yīng)用等領(lǐng)域有著廣泛的應(yīng)用前景。
[0003] 傳統(tǒng)的融合方法主要有：像素級(jí)融合、特征級(jí)融合和決策級(jí)融合。像素級(jí)圖像融合 是指直接對(duì)傳感器采集到的數(shù)據(jù)進(jìn)行處理而獲得融合圖像的過(guò)程，但需要的數(shù)據(jù)量大，處 理速度慢，實(shí)時(shí)性差；特征級(jí)圖像融合是指對(duì)預(yù)處理和特征提取后的原始輸入圖像獲取的 景物信息如邊緣、形狀、輪廟和區(qū)域等信息進(jìn)行綜合與處理，實(shí)現(xiàn)了可觀的信息壓縮；決策 級(jí)融合是指根據(jù)一定的準(zhǔn)則以及每個(gè)決策的可信度作出最優(yōu)決策，此融合實(shí)時(shí)性好，但預(yù) 處理代價(jià)高，信息損失最多。
[0004] 傳統(tǒng)各類(lèi)圖像融合方法是對(duì)圖像的所有系數(shù)進(jìn)行處理來(lái)進(jìn)行圖像融合，以致存在 如下缺點(diǎn)：1)融合圖像的數(shù)據(jù)量大，存儲(chǔ)空間大，傳輸壓力大；2)圖像融合過(guò)程中數(shù)據(jù)計(jì)算 復(fù)雜度高，融合時(shí)間較長(zhǎng)。壓縮感知理論的興起，為信號(hào)采集技術(shù)帶來(lái)了革命性的突破?；?于壓縮感知理論的圖像融合算法不需要對(duì)信號(hào)進(jìn)行完全采樣，在采樣時(shí)也不需要知道信號(hào) 的任何先驗(yàn)信息。因而，減少了恢復(fù)的數(shù)據(jù)量，在一定程度上緩解了傳輸和存儲(chǔ)的巨大壓 力。2008年，Wan等人率先將壓縮感知的理論用于圖像融合的嘗試，仿真驗(yàn)證了該方法的可 行性，為以后更多研究基于壓縮感知的圖像融合算法的學(xué)者提供了參考和動(dòng)力，掀起了將 壓縮感知理論應(yīng)用到圖像融合中的研究熱潮。但在提取圖像輪廓與特征信息方面，圖像的 細(xì)節(jié)損失較多，導(dǎo)致融合后的圖像不夠清晰，難以滿足實(shí)際應(yīng)用的需要。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服上述已有技術(shù)的缺點(diǎn)，提出了一種結(jié)合壓縮感知的二次圖 像融合方法。本發(fā)明的步驟為：首先運(yùn)用最小二乘逼近法得到源圖像的逼近圖像，再計(jì)算源 圖像與逼近圖像的差，得到差值圖像；然后對(duì)逼近圖像和差值圖像分別采取對(duì)應(yīng)位置元素 取絕對(duì)值最大值的融合規(guī)則進(jìn)行空間域上融合；再利用壓縮感知方法分別得到融合后逼近 圖像與與差值圖像的測(cè)量值，按照加權(quán)融合規(guī)則將兩幅圖像的測(cè)量值再次融合得到融合測(cè) 量值；最后經(jīng)正交匹配追蹤算法對(duì)融合測(cè)量值進(jìn)行重構(gòu)并逆變換得到二次融合后圖像，其 具體步驟包括如下：
[0006] 步驟一、將源圖像1\、T2通過(guò)最小二乘逼近法得到逼近圖像B1J2 ;
[0007] 步驟二、逼近圖像&、B2分別與源圖像進(jìn)行差值運(yùn)算，得出差值圖像CpC2 ;
[0008] 步驟三、將逼近圖像B^B2和差值圖像C^C2中矩陣對(duì)應(yīng)位置元素值采用絕對(duì)值取 大的融合規(guī)則，得到首次融合后圖像B、C;
[0009] 步驟四、對(duì)圖像B、C分別進(jìn)行離散小波變換得到稀疏矩陣，然后用高斯測(cè)量矩陣 求得測(cè)量值Y1和Y2 ;
[0010] 步驟五、根據(jù)測(cè)量值I、Y2和加權(quán)融合規(guī)則，計(jì)算融合測(cè)量值Y;
[0011] 步驟六、利用Y通過(guò)正交匹配追蹤重構(gòu)算法重構(gòu)圖像T;
[0012] 步驟七、將圖像T進(jìn)行離散小波逆變換得到融合圖像。
[0013] 本發(fā)明具有如下優(yōu)點(diǎn)：
[0014] 1、本發(fā)明利用最小二乘法逼近圖像，對(duì)圖像進(jìn)行空間域上的融合，有效提取了圖 像的邊緣信息與特征信息；其次，本發(fā)明保留了差值圖像，源圖像的信息得到充分的保留， 以致融合后的圖像保留了源圖像更多信息；
[0015] 2、本發(fā)明利用壓縮感知理論對(duì)圖像進(jìn)行變換域上的融合，與傳統(tǒng)的圖像融合方法 相比，圖像經(jīng)過(guò)稀疏、觀測(cè)后，減小了圖像數(shù)據(jù)量，節(jié)約了存儲(chǔ)空間，降低了此融合過(guò)程中計(jì) 算復(fù)雜度。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0016] 圖1是結(jié)合壓縮感知的二次圖像融合流程圖。

【具體實(shí)施方式】
[0017] 結(jié)合圖1，根據(jù)本發(fā)明的一個(gè)方面，本發(fā)明的具體實(shí)現(xiàn)步驟如下：
[0018] 步驟一、源圖像！^!^在各點(diǎn)的像素值，通過(guò)最小二乘法，即mini|Ax-b|I，得到逼 近圖像&、B2，即：
[0019]

【權(quán)利要求】
1. 一種結(jié)合壓縮感知的二次圖像融合方法，其特征在于，在圖像處理過(guò)程中，將源圖像 分解成兩部分一一逼近圖像和差值圖像，首先對(duì)處理后圖像在空間域上采取元素值絕對(duì)值 取大融合規(guī)則進(jìn)行融合，然后對(duì)融合后的圖像分別進(jìn)行壓縮感知處理再次融合，所述方法 至少包括以下步驟： 步驟一、將源圖像！\、T2通過(guò)最小二乘逼近法得到逼近圖像Bi、B2 ; 步驟二、逼近圖像&、B2分別與源圖像進(jìn)行差值運(yùn)算，得出差值圖像CpC2 ; 步驟三、將逼近圖像B1A2和差值圖像C1X2中矩陣對(duì)應(yīng)位置元素值采用絕對(duì)值取大的 融合規(guī)則，得到首次融合后圖像B、C; 步驟四、對(duì)圖像B、C分別進(jìn)行離散小波變換得到稀疏矩陣，然后用高斯隨機(jī)測(cè)量矩陣 求得測(cè)量值Y1和Y2 ; 步驟五、根據(jù)測(cè)量值I、Y2和加權(quán)融合規(guī)則，計(jì)算融合測(cè)量值Y; 步驟六、利用Y通過(guò)正交匹配追蹤重構(gòu)算法重構(gòu)圖像T; 步驟七、將圖像T進(jìn)行離散小波逆變換得到融合圖像。
2. 根據(jù)權(quán)利要求1所述的一種結(jié)合壓縮的感知二次圖像融合方法，其特征在于將源圖 像分解成逼近圖像、差值圖像與圖像空間域上融合的過(guò)程，至少還包括以下步驟： 1) 源圖像^在各點(diǎn)的像素值，通過(guò)最小二乘法，即mini|Ax-b| |，得到逼近圖像V B2，即：」
其中M、N分別為圖像的高度和寬 度； 2) 將源圖像！\、T2與逼近圖像&、B2在像素值上進(jìn)行差值運(yùn)算，得到差值圖像Q、C2, 即：
3) 在空間域上分別對(duì)逼近圖像B1、B2，差值圖像C1、C2，矩陣對(duì)應(yīng)位置的元素絕對(duì)值取大 得到融合圖像B和C，即：
則b。· =max{Ib' 1,\h"1},Cij=max{\c1。_ | , |c"|,其中I彡i彡Μ, Kj<Ν。
3. 根據(jù)權(quán)利要求1所述的一種結(jié)合壓縮感知的二次圖像融合方法，其特征在于圖像結(jié) 合壓縮感知的再次融合過(guò)程，至少還包括以下步驟： 1) 稀疏化處理：將圖像B、C進(jìn)行離散小波變換變換并向量化， B- [Id1，b2，...，bN]，C-[Cpc2,^..，cN]; 2) 采用高斯隨機(jī)矩陣為測(cè)量矩陣Φ，分別計(jì)算圖像B和C的壓縮測(cè)量值IY2,T1 =ΦΒ,Y2 =ΦΟ； 3) 計(jì)算YpY2的加權(quán)融合算子Wpw2 :
M-IN-I M-IN-I 貝丨j, §§?，7)r 其中Iα，j)為圖像在α，j)處的像素值； B MxN c MxN 4) 計(jì)算融合壓縮測(cè)量值Y，即Y=W1YAw2Yy
【文檔編號(hào)】G06T5/50GK104318532SQ201410584167
【公開(kāi)日】2015年1月28日 申請(qǐng)日期:2014年10月23日 優(yōu)先權(quán)日:2014年10月23日
【發(fā)明者】裴廷睿, 郭勛, 朱更明, 李哲濤, 田淑娟 申請(qǐng)人:湘潭大學(xué)