[發(fā)明專利]基于自適應(yīng)稀疏表示的多聚焦圖像融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410293009.6
• 申請(qǐng)日: 2014-06-26
• 公開（公告）號(hào): CN104077761B
• 公開（公告）日: 2017-01-11
• 發(fā)明（設(shè)計(jì)）人: 陳利霞;李子;袁華;莫建文;張彤;首照宇;歐陽寧;趙暉;林樂平;王學(xué)文
• 申請(qǐng)（專利權(quán)）人: 桂林電子科技大學(xué)
• 主分類號(hào): G06T5/50
• 分類號(hào): G06T5/50
• 代理公司: 桂林市華杰專利商標(biāo)事務(wù)所有限責(zé)任公司45112
• 代理人: 楊雪梅

1.一種基于自適應(yīng)稀疏表示的多聚焦圖像融合方法，其特征在于，包括下列步驟：?

(1)利用成像設(shè)備獲得焦距不同的待融合自然圖像；?

(2)對(duì)源圖像預(yù)處理?

將獲取的配準(zhǔn)待融合圖像歸一化，再按照一定大小進(jìn)行滑動(dòng)分塊處理；?

(3)圖像塊分類處理?

將步驟(2)獲得的所有對(duì)應(yīng)位圖像子塊進(jìn)行像素值對(duì)比，區(qū)分相似塊和異同塊，相似塊屬于相似模型，再計(jì)算各異同塊的梯度值，若都小于等于閾值μ，屬于源圖像的平滑模型，反之屬于細(xì)節(jié)模型；?

(4)訓(xùn)練K-SVD過完備字典?

選擇一些信息豐富的自然圖像，利用K-SVD的方法對(duì)這些自然圖像進(jìn)行字典學(xué)習(xí)，獲得過完備字典；?

(5)利用正交匹配追蹤算法分別求解利用步驟(3)獲得的各源圖像細(xì)節(jié)模型在K-SVD過完備字典下的稀疏系數(shù)；?

(6)將步驟(3)獲得的相似模型直接放入融合結(jié)果圖的對(duì)應(yīng)位；?

(7)將步驟(3)獲得的平滑模型利用算術(shù)加權(quán)平均法進(jìn)行融合；?

(8)利用步驟(5)獲得的源圖像的細(xì)節(jié)模型稀疏系數(shù)、以及稀疏度和絕對(duì)值組合，取大的融合規(guī)則獲得細(xì)節(jié)模型的融合稀疏系數(shù)；?

(9)重構(gòu)細(xì)節(jié)模型?

將步驟(8)獲得的稀疏系數(shù)與K-SVD過完備字典相乘，得到列向量化的細(xì)節(jié)模型融合圖像；?

(10)重構(gòu)融合圖像?

將列向量化的三種模型融合圖像轉(zhuǎn)化為圖像塊，疊加到對(duì)應(yīng)位置，再除以每個(gè)位置像素值疊加的次數(shù)，最終獲得融合結(jié)果圖像。?

2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)稀疏表示的多聚焦圖像融合方法，其特征在于：步驟(3)所述的圖像塊分類處理的具體步驟如下：?

先將待融合圖像子塊劃分為相似塊和異同塊，對(duì)比各源圖像對(duì)應(yīng)位置圖像子塊的像素值，如果相應(yīng)子塊的每個(gè)像素點(diǎn)都相等，該子塊屬于相似模型f_e；反之為異同塊，進(jìn)行下一步區(qū)分；?

再將待融合圖像的異同塊進(jìn)一步劃分，選擇梯度作為圖像塊進(jìn)一步分類的判斷準(zhǔn)則，圖像的梯度G(x,y)定義為式(1)所示：?

其中，M,N是分塊的大小，f(x,y)是子塊中(x,y)處的像素值，梯度值G越大，代表圖像塊的信息量越大，相反，圖像塊的信息量越少；?

根據(jù)梯度定義公式計(jì)算出每個(gè)異同子塊的梯度值G，設(shè)定閾值μ，若對(duì)應(yīng)位置子塊的梯度值都小于等于μ，屬于平滑模型f_c；否則子塊屬于細(xì)節(jié)模型f_d。?

3.根據(jù)權(quán)利要求1所述的基于自適應(yīng)稀疏表示的多聚焦圖像融合方法，其特征在于：步驟(4)所述的訓(xùn)練K-SVD過完備字典的具體步驟如下：?

選擇一組信息豐富的自然圖像，再在這些自然圖像上以塊的方式隨機(jī)提取大小為N×N大小的樣本塊并列向量化，提取的樣本表示為X，則對(duì)應(yīng)的過完備字典表示為D可以通過下列目標(biāo)方程得到：?

。

4.根據(jù)權(quán)利要求1所述的基于自適應(yīng)稀疏表示的多聚焦圖像融合方法，其特征在于：步驟(5)所述的利用正交匹配追蹤算法求解源圖像細(xì)節(jié)模型在K-SVD過完備字典下的稀疏系數(shù)的具體步驟如下：?

用大小為的窗口從左至右，從上至下遍歷各個(gè)待融合的多聚焦圖像，并將每個(gè)圖像塊轉(zhuǎn)換為長(zhǎng)度為n的列向量，表示為其中N為單幅圖像中圖像塊的數(shù)目；?

對(duì)于利用過完備字典D及OMP算法進(jìn)行稀疏表示系數(shù)的求解，即可獲得相應(yīng)的待融合多聚焦圖像稀疏表示系數(shù)α_A和α_B：?

5.根據(jù)權(quán)利要求1所述的基于自適應(yīng)稀疏表示的多聚焦圖像融合方法，其特征在于：步驟(7)所述的平滑模型利用算術(shù)加權(quán)平均法進(jìn)行融合的具體步驟如下：?

平滑模型f_c的加權(quán)平均融合可表示為?

其中權(quán)系數(shù)選取ω₁＝ω₂＝0.5，平滑模型的融合圖像放入融合圖像的對(duì)應(yīng)位。?

6.根據(jù)權(quán)利要求1所述的基于自適應(yīng)稀疏表示的多聚焦圖像融合方法，其特征在于：步驟(8)所述的利用細(xì)節(jié)模型稀疏系數(shù)以及稀疏度和絕對(duì)值組合取大的融合規(guī)則得到細(xì)節(jié)模型融合稀疏系數(shù)的具體步驟如下：?

當(dāng)稀疏度一致時(shí)，可用l₁范數(shù)進(jìn)行系數(shù)選取，利用結(jié)合系數(shù)稀疏度和l₁范數(shù)的融合規(guī)則求細(xì)節(jié)模型的融合稀疏系數(shù)α_F，如式(6)所示?