[發明專利]基于一致性約束非負稀疏表示的多聚焦圖像融合方法

有效

• 申請號: 201810086733.X
• 申請日: 2018-01-30
• 公開（公告）號: CN108510465B
• 公開（公告）日: 2019-12-24
• 發明（設計）人: 張強;汪星;曹運峰;史濤;韓軍功;王龍
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T9/00
• 代理公司: 61205 陜西電子工業專利中心
• 代理人: 陳宏社;王品華

1.一種基于一致性約束的非負稀疏表示的多聚焦圖像融合方法，其特征在于，包括如下步驟：

(1)輸入經過配準的源圖像I_A和I_B，其中，I_A∈R^M×L，I_B∈R^M×L，M表示源圖像I_A和I_B的寬度，L表示源圖像I_A和I_B的高度；

(2)構建源圖像I_A的向量化矩陣Y_A和源圖像I_B的向量化矩陣Y_B：

(2a)采用大小為n₁×n₂的窗口，按照從左到右，從上到下的順序對輸入的兩幅相同大小的源圖像I_A和I_B進行無重疊的遍歷，得到N個無重疊的子圖像塊，其中，n₁表示窗口的寬度所包含的像素個數，n₁≥2；n₂表示窗口的高度所包含的像素個數，n₂≥2；N＝M₁×L₁，M₁表示M包含的無重疊子圖像塊的個數，L₁表示L包含的無重疊子圖像塊的個數，表示不小于的最小整數，表示不小于的最小整數；

(2b)按照字典語義順序，對N個無重疊的子圖像塊中的每個子圖像塊進行向量化，得到源圖像I_A的向量化矩陣Y_A和源圖像I_B的向量化矩陣Y_B，其中表示源圖像I_A的向量化矩陣Y_A的第i列，表示源圖像I_B的向量化矩陣Y_B的第i列，

(3)構建基于一致性約束的非負稀疏表示的稀疏編碼模型：

對非負稀疏表示模型的非負稀疏表示系數增加拉普拉斯一致性先驗約束，得到一致性約束的非負稀疏表示的稀疏編碼模型：

其中，Y表示源圖像向量化矩陣，Y＝[y₁,…,y_t,…,y_P]∈R^n×P，y_t表示Y中的第t列，y_t∈R^n×1，t∈[1,P]，P表示Y中的列的個數；D表示非負字典，D＝[d₁,…,d_k,…,d_K]∈R^n×K，K為字典原子個數；X表示非負稀疏表示系數，X＝[x₁,…,x_t,…,x_P]∈R^K×P；X≥0表示非負稀疏表示系數X中的每個元素是非負的；||Y-DX||_F表示Y-DX的Frobenius范數；||X||₁為X的l₁范數，表示矩陣中所有元素的絕對值之和；λ表示控制稀疏性約束權重的懲罰因子；β表示控制一致性約束的權重懲罰因子；X^T表示X的轉置；x_t表示非負稀疏表示系數X的第t列，t∈[1,P]，x_m表示非負稀疏表示系數X的第m列，m∈[1,P]，y_t表示源圖像向量化矩陣Y的第t列，y_m表示源圖像向量化矩陣Y的第m列，σ為高斯核尺度參數，L∈R^P×P表示拉普拉斯因子，L＝C-W，對稱矩陣W∈R^P×P，構建方式為W(t,m)＝ω_tm，W(t,m)表示對稱矩陣W在(t,m)位置處的元素值，對角矩陣C∈R^P×P，C(t,t)表示對角矩陣C在(t,t)處的元素值；

(4)利用具有自適應懲罰因子的線性迭代方向算法對一致性約束的非負稀疏表示的稀疏編碼模型進行求解，得到源圖像I_A的非負稀疏表示系數和源圖像I_B的非負稀疏表示系數

其中，

(5)構建圖像塊級標記矩陣

利用源圖像I_A的非負稀疏表示系數和源圖像I_B的非負稀疏表示系數構建圖像塊級標記矩陣

(6)利用圖像塊級標記矩陣源圖像I_A的向量化矩陣Y_A和源圖像I_B的向量化矩陣Y_B構建源圖像I_A和I_B的融合圖像I_F：

(6a)按照從左上角到右下角的順序對圖像塊級標記矩陣進行重塑，得到標記向量

(6b)利用標記向量構建融合圖像對應的向量化矩陣Y_F：

其中，

(6c)利用融合圖像對應的向量化矩陣Y_F構建源圖像I_A和I_B的融合圖像I_F：

將Y_F中的每一列重塑為n₁×n₂的圖像塊，并根據每一個圖像塊在源圖像I_A和源圖像I_B中對應的空間位置對該圖像塊進行疊加，得到源圖像I_A和源圖像I_B的融合圖像I_F。