[發明專利]一種基于二維經驗模態分解的顯微圖像融合方法

有效

• 申請號: 201010034423.7
• 申請日: 2010-01-19
• 公開（公告）號: CN102129676A
• 公開（公告）日: 2011-07-20
• 發明（設計）人: 陳穎;蔣遠大;翟光杰;王超;王迪;李維寧;孫志斌
• 申請（專利權）人: 中國科學院空間科學與應用研究中心
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 北京法思騰知識產權代理有限公司 11318
• 代理人: 楊小蓉;高宇

1.一種基于二維經驗模態分解的顯微圖像融合方法，該方法采用二維經驗模態分解方法對采集的序列顯微源圖像進行多尺度分解，獲得源圖像的多級尺度的高頻分量，按照局部顯著性準則進行融合處理，并對源圖像的低頻分量采用主成分分析方法進行融合處理，最后反向重構獲取融合圖像，該方法包括如下步驟：

(1)對采集的序列顯微源圖像X₁，X₂，...，X_n分別進行二維經驗模態分解處理，二維經驗模態分解BEMD的過程反映了提取局部最高頻、次高頻的過程，得到每幅源圖像的n級固有模態函數分量IMF和一個殘差分量；

(2)對不同源圖像對應的各級固有模態函數分量IMF中的像素，采用基于區域極大值的局部顯著性選擇準則進行融合處理，使得將融合后的固有模態函數分量具備所有源圖像的清晰聚焦的細節信息；

(3)利用主成分分析PCA方法，分別計算出不同源圖像對應的殘差分量的自適應融合權重，按權重進行殘差分量的融合處理；

(4)將融合后的各級固有模態函數分量和殘差分量反向重構獲取融合圖像。

2.根據權利要求1所述的基于二維經驗模態分解的顯微圖像融合方法，其特征在于，所述的步驟(1)中對每一幅源圖像進行圖像高頻到低頻的自然尺度分離，首先，分解出來的第1級固有模態函數IMF₁是圖像所含有的最高頻率分量，該分量的各處頻率都對應著圖像在各處的局部最高頻，源圖像減去第1級固有模態函數得到第1級殘差分量；對第1級殘差分量再進行分解，得到第2級固有模態函數和第2級殘差分量；依此類推，得到n級固有模態函數和第n級殘差；

所述的二維經驗模態分解BEMD的處理過程包括如下步驟：

(1-1)：為了避免二維經驗模態分解產生邊界效應，采用局部鏡像延拓對原始圖像進行四周邊界處理：I_原圖＝F_鏡像(I_原圖)；

(1-2)：初始化：I＝I_原圖，I_殘差＝I，j＝0，j表示IMF的分解級數；

(1-3)：對所處理的殘差圖像曲面I_殘差求取曲面局部極值點，包括所有局部極大值和極小值，初始時，I_殘差就是源圖像曲面I_原圖；

(1-4)：對各極大值點和各極小值點分別進行曲面擬合，經插值后得到極大值點對應的上包絡曲面F_u和極小值點對應的下包絡曲面E_l；

(1-5)：將兩曲面數據求平均得到均值包絡曲面數據E_m：E_m＝(E_u+E_l)/2；

(1-6)：計算篩分終止條件標準偏差SD：

(1-7)：提取細節，用殘差圖像曲面減去均值包絡曲面求得差值：I_殘差＝I_殘差-E_m；

(1-8)：重復上述步驟(1-3)～步驟(1-7)，直到滿足給定的終止條件：(a)IMF的極值點和過零點數目必須相等或至多只相差一點；(b)在每一像素點，由極大值點定義的上包絡線和由極小值點定義的下包絡線的平均值為零；

(1-9)：計算殘差，用圖像I減去第j層固有模態函數(即I_殘差)得到第j層殘差分量并賦值給I：I＝I-I_殘差；

(1-10)：對殘差分量I重復步驟(1-3)～步驟(1-9)，直到滿足殘差不含IMF分量或已達到所需要的運算級數，依次得到圖像的n級固有模態函數和第n級殘差分量。

3.根據權利要求2所述的基于二維經驗模態分解的顯微圖像融合方法，其特征在于，所述的步驟(1-3)中，圖像的局部極大值點為灰度值比周圍3×3區域8個相鄰像素點灰度值都高的點，圖像的極小值點為灰度值比周圍8個相鄰像素點灰度值都低的點。