[發明專利]基于尺度不變特征變換的蘋果圖像融合方法

在審

• 申請號: 201710107672.6
• 申請日: 2017-02-27
• 公開（公告）號: CN106897999A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 羅曉清;張戰成;王鵬飛;董靜;王駿;檀華廷
• 申請（專利權）人: 江南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/33
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種用于蘋果無損檢測的基于尺度不變特征變換的蘋果圖像融合方法，其特征是：首先利用非下采樣輪廓波變換將待融合紅外與可見光蘋果圖像分解為低頻子帶和高頻子帶；對低頻子帶利用尺度不變特征變換提取到特征描述子并記錄下每個特征描述子在低頻子帶中的位置，利用特征描述子構造了一種內容匹配度指標，接著采用一種基于內容匹配度的混合融合策略用來融合低頻子帶，對高頻子帶利用非下采樣高頻系數絕對值取大的融合策略實現高頻子帶系數的融合；最后利用非下采樣輪廓波逆變換生成融合后的蘋果圖像。

2.根據權利要求1所述的基于尺度不變特征變換SIFT(Scale-Invariant Feature Transform)的蘋果圖像融合方法，其特征在于包括以下具體步驟：

1)利用非下采樣輪廓波變換將待融合圖像分解為低頻子帶和高頻子帶；

2)對待融合蘋果圖像低頻子帶利用尺度不變特征變換提取特征描述子并記錄下每個特征描述子在低頻子帶中的位置，利用特征描述子構造了一種內容匹配度指標；

3)采用不同的融合規則分別確定融合圖像的低頻子帶系數和高頻子帶系數；

3.1)對非下采樣輪廓波低頻子帶采用基于內容匹配度的混合融合策略來融合；

3.2)對非下采樣輪廓波高頻子帶采用非下采樣高頻系數絕對值取大的融合策略實現融合；

4)對步驟3)所得低、高頻子帶融合系數，執行非下采樣輪廓波逆變換獲得最終的紅外與可見光蘋果融合圖像。

3.根據權利要求2所述的基于尺度不變特征變換的蘋果圖像融合方法，其特征在于：步驟1)所述對尺寸為M×N大小的紅外與可見光蘋果圖像執行非下采樣輪廓波變換，分解得到低頻子帶系數LC_A(x，y)和LC_B(x，y)以及不同尺度不同方向的子帶系數和其中LC_A(x，y)和LC_B(x，y)分別代表紅外圖像A和可見光圖像B的低頻子帶(x，y)點處的值，和分別代表紅外圖像A和可見光圖像B的第s尺度中第t方向的高頻子帶(x，y)點處的值。

4.根據權利要求2所述的基于尺度不變特征變換的蘋果圖像融合方法，其特征在于：步驟2)所述對低頻子帶利用SIFT提取特征描述子構造一種內容匹配度指標，具體如下：

首先，利用SIFT在待融合的紅外和可見光蘋果圖像低頻子帶上尋找特征點，在所有特征點處生成特征描述子(des₁(i)和des₂(j))，其中i∈(1，m)，j∈(1，n)，m為紅外圖像低頻子帶中SIFT特征描述子的總數，n為可見光圖像低頻子帶中SIFT特征描述子的總數；

接著，利用對應低頻子帶中的SIFT特征描述子(des₁(i)和des₂(j))來評估待融合圖像低頻子帶的內容匹配度。按下述公式計算第一幅圖像的低頻子帶中的每一個特征描述子des₁(i)與另一幅圖像低頻子帶中所有特征描述子des₂(j)之間的距離dist(i，j)：

dist(i，j)＝acos(des₁(i)*des₂(j)^T)；

將與des₁(i)對應的所有的dist(i，j)從小到大排序，取dist(i，j)值最小者minDist(i)和第二小者2ndDist(i)。若minDist(i)＜distRatio*2ndDist(i)，則認為兩個特征描述子處的內容是匹配的，此時記錄下minDist(i)對應的des₁(i)和des₂(j)的位置；如果位置坐標相同的話，則將這樣的特征描述子定義為內容匹配特征描述子，并根據其在低頻子帶中的位置生成內容匹配特征描述子分布圖(desmap(o))；其中0≤o≤z，z為對應低頻子帶中內容匹配特征描述子總數；

最后，利用滑動窗口技術將desmap(o)分成I個相互對應的源圖像子塊，滑動步長大小為r，且其中代表最接近的整數。統計每個子塊包含的特征描述子的個數，以此生成內容匹配決策圖(decmap(o，k))，decmap(o，k)反映了待融合圖像對應低頻子帶第k對子塊內容匹配程度，其中0≤k≤I。