[發(fā)明專利]基于一致性約束非負(fù)稀疏表示的多聚焦圖像融合方法

有效

• 申請?zhí)枺?/td>: 201810086733.X
• 申請日: 2018-01-30
• 公開（公告）號: CN108510465B
• 公開（公告）日: 2019-12-24
• 發(fā)明（設(shè)計）人: 張強(qiáng);汪星;曹運(yùn)峰;史濤;韓軍功;王龍
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T9/00
• 代理公司: 61205 陜西電子工業(yè)專利中心
• 代理人: 陳宏社;王品華

本發(fā)明提出了一種基于一致性約束非負(fù)稀疏表示的多聚焦圖像融合方法，用于解決現(xiàn)有技術(shù)中存在的融合圖像清晰度低和融合復(fù)雜度較高的技術(shù)問題。其實(shí)現(xiàn)步驟是：輸入經(jīng)過配準(zhǔn)的源圖像；構(gòu)建源圖像的向量化矩陣；構(gòu)建基于一致性約束的非負(fù)稀疏表示的稀疏編碼模型；利用具有自適應(yīng)懲罰因子的線性迭代方向算法對一致性約束的非負(fù)稀疏表示的稀疏編碼模型進(jìn)行求解，得到源圖像的非負(fù)稀疏表示系數(shù)；利用源圖像的非負(fù)稀疏表示系數(shù)構(gòu)建圖像塊級標(biāo)記矩陣；利用圖像塊級標(biāo)記矩陣構(gòu)建融合圖像。本發(fā)明能夠提高融合圖像的清晰度的同時降低融合復(fù)雜度，可用于環(huán)境監(jiān)測，清晰圖像重建等領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種多聚焦圖像融合方法，具體涉及一種基于一致性約束的非負(fù)稀疏表示的多聚焦圖像融合方法，可用于環(huán)境監(jiān)測，清晰圖像重建等領(lǐng)域。

技術(shù)背景

圖像融合是指檢測并提取同一場景的兩幅或多幅源圖像的特征，經(jīng)過特定的融合規(guī)則，將提取的輸入圖像的特征融合到一幅圖像中，得到的融合圖像同任一源圖像相比，增加了圖像的信息量，提高了圖像的清晰度，更加有利于全面、準(zhǔn)確地獲取圖像中目標(biāo)或場景信息，隨著各種成像傳感器的不斷涌現(xiàn)，圖像融合技術(shù)也得到了較快發(fā)展，圖像融合技術(shù)也越來越多的應(yīng)用在計算機(jī)視覺、醫(yī)學(xué)成像與診斷、環(huán)境監(jiān)測等相關(guān)領(lǐng)域。

多聚焦圖像融合是圖像融合的一個重要分支，通過多聚焦圖像融合，將源圖像中的聚焦區(qū)域提取出來，然后融合成一幅融合圖像，融合后的圖像與任一源圖像相比包含有更多的清晰區(qū)域，因此能夠更準(zhǔn)確的描述被拍攝的場景。多聚焦圖像融合的重點(diǎn)和難點(diǎn)在于對源圖像聚焦區(qū)域完整一致地提取。

由于稀疏表示理論在圖像去燥，圖像分類和人臉識別領(lǐng)域的良好表現(xiàn)，很多研究學(xué)者將稀疏表示理論應(yīng)用在圖像融合領(lǐng)域。“B.Yang,S.Li,Multi-focus image fusionand restoration with sparse representation,IEEE Transactions onInstrumentation and Measurement,vol.59,no.4,pp.884-892,2010.”最早將稀疏表示模型(SR)應(yīng)用在多聚焦圖像融合領(lǐng)域，公開了一種基于稀疏表示的多聚焦圖像融合方法，該方法首先利用滑動窗口技術(shù)將源圖像分為重疊的子圖像塊，子圖像塊的大小與滑動窗的大小相等，然后將子圖像塊按照字典語義順序拉成列向量，得到源圖像的向量化矩陣，然后利用稀疏表示模型和DCT字典對源圖像的向量化矩陣進(jìn)行稀疏編碼，得到源圖像的稀疏表示系數(shù)，最后將稀疏表示系數(shù)的l₁-范數(shù)定義為聚焦衡量指標(biāo)，并利用“取大”的融合規(guī)則構(gòu)建最終的融合圖像。然而，該融合方法由于在源圖像的稀疏編碼過程中僅僅對源圖像的稀疏表示系數(shù)進(jìn)行稀疏約束，導(dǎo)致源圖像的稀疏表示系數(shù)中既存在正數(shù)也存在負(fù)數(shù)，負(fù)數(shù)的存在使得對源圖像重構(gòu)的過程中圖像特征之間會出現(xiàn)抵消，導(dǎo)致對源圖像特征提取的不完整，使得最終的融合圖像的清晰度降低。針對這種問題“J.Wang,J.Peng,et al.,Fusionmethod for infrared and visible images by using non-negative sparserepresentation,Infrared Physics&Technology,67(2014)477-489.”公開了一種基于非負(fù)稀疏表示模型(NNSR)的紅外與可見光圖像融合方法，該方法首先利用滑動窗口技術(shù)將源圖像分為重疊的子圖像塊，子圖像塊的大小與滑動窗的大小相等，然后將子圖像塊按照字典語義順序拉成列向量，得到源圖像的向量化矩陣，然后利用非負(fù)稀疏表示模型對源圖像的向量化矩陣進(jìn)行稀疏編碼，得到源圖像的非負(fù)稀疏表示系數(shù)，然后利用源圖像的非負(fù)稀疏表示系數(shù)以及對應(yīng)的融合規(guī)則構(gòu)建最終的融合圖像，不同于基于稀疏表示模型的融合方法中只對稀疏表示系數(shù)進(jìn)行稀疏約束，該融合方法中利用非負(fù)稀疏表示模型對源圖像進(jìn)行稀疏編碼，對稀疏表示系數(shù)增加稀疏和非負(fù)約束，非負(fù)約束與輸入圖像數(shù)據(jù)的非負(fù)特性十分吻合，因而，該融合方法能夠更好地提取源圖像中的特征。