[發(fā)明專(zhuān)利]一種基于PSO-NSCT的多傳感器圖像融合方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810639133.1
• 申請(qǐng)日: 2018-06-20
• 公開(kāi)（公告）號(hào): CN109063729A
• 公開(kāi)（公告）日: 2018-12-21
• 發(fā)明（設(shè)計(jì)）人: 彭道剛;王嵐青;趙晨洋;陳躍偉;夏飛;彭蓋倫
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海電力學(xué)院
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/00;G06Q50/06;G07C1/20
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 翁惠瑜

本發(fā)明涉及一種基于PSO?NSCT的多傳感器圖像融合方法，利用被動(dòng)聚集的粒子群優(yōu)化算法來(lái)優(yōu)化NSCT的高頻子帶融合參數(shù)模型，包括以下步驟，先由NSCT對(duì)可見(jiàn)光與紅外圖像進(jìn)行融合，NSP對(duì)源圖像進(jìn)行多尺度分解，得到各個(gè)層次高、低頻子帶圖像；將高頻子帶圖像傳遞給NSDFB，實(shí)現(xiàn)對(duì)該圖像的多方向分解，融合圖像各個(gè)層次的低頻子帶系數(shù)采用基于區(qū)域相似度的融合規(guī)則加權(quán)求得；以MI、Q^AB/F指標(biāo)為改進(jìn)PSO的適應(yīng)度函數(shù)的最優(yōu)約束，計(jì)算出高頻子帶系數(shù)融合的最優(yōu)權(quán)值；通過(guò)NSCT逆變換得到多傳感器圖像的融合結(jié)果。本方法與傳統(tǒng)融合算法相比，本發(fā)明的融合結(jié)果具有較高的對(duì)比度、細(xì)節(jié)保持度和融合精度，具有一定的應(yīng)用價(jià)值。

技術(shù)領(lǐng)域

本發(fā)明涉及一種多傳感器圖像融合方法，尤其是涉及一種基于PSO-NSCT的多傳感器圖像融合方法。

背景技術(shù)

電網(wǎng)的巡檢維護(hù)作業(yè)是電網(wǎng)安全可靠運(yùn)行的基本保障，是電網(wǎng)持續(xù)穩(wěn)定供電的根本保證。隨著移動(dòng)機(jī)器人技術(shù)與自動(dòng)化技術(shù)的發(fā)展，將機(jī)器人技術(shù)與電力應(yīng)用相結(jié)合，為電網(wǎng)的維護(hù)提供了新的巡檢方式。隨著計(jì)算機(jī)技術(shù)和自動(dòng)化技術(shù)的發(fā)展，利用變電站巡檢機(jī)器人對(duì)變電站設(shè)備進(jìn)行巡檢成為推進(jìn)少人或無(wú)人智能變電站進(jìn)程的重要手段，利用移動(dòng)機(jī)器人對(duì)變電站設(shè)備巡檢已成為電力公司和科研單位的研究熱點(diǎn)。目前變電站巡檢機(jī)器人已在500～1000k V各電壓等級(jí)變電站得到示范應(yīng)用，該巡檢方式可有效解決人工巡檢存在的缺陷或隱患等問(wèn)題。

在變電站巡檢機(jī)器人例行設(shè)備狀態(tài)檢測(cè)中，紅外圖像與可見(jiàn)光圖像融合診斷技術(shù)可以實(shí)現(xiàn)設(shè)備不用停運(yùn)、不用取樣、不用解體等情況下的狀態(tài)檢修工作，對(duì)巡檢機(jī)器人傳送到后臺(tái)監(jiān)控系統(tǒng)的變電設(shè)備紅外圖像進(jìn)行處理，從而對(duì)電力設(shè)備所存在的隱患和缺陷進(jìn)行定位、最終實(shí)現(xiàn)定量的故障診斷。紅外圖像診斷技術(shù)越來(lái)越成為變電站狀態(tài)檢修的關(guān)鍵技術(shù)，在彌補(bǔ)因人為因素帶來(lái)的狀態(tài)檢修的缺陷方面發(fā)揮重要作用。

在實(shí)際變電站巡檢機(jī)器人監(jiān)控系統(tǒng)中，可通過(guò)將紅外圖像與可見(jiàn)光圖像融合來(lái)識(shí)別出故障區(qū)域的位置，但是在融合過(guò)程中使用現(xiàn)有的圖像融合算法存在圖像邊緣信息丟失的問(wèn)題，使得融合精度降低。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于PSO-NSCT的多傳感器圖像融合方法。

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種基于PSO-NSCT的多傳感器圖像融合方法，利用被動(dòng)聚集的改進(jìn)粒子群算法優(yōu)化NSCT的高頻子帶融合參數(shù)模型，包括以下具體步驟：

a、對(duì)每個(gè)傳感器的源圖像進(jìn)行NSCT分解，分別得到一個(gè)低頻子帶圖像和多個(gè)高頻子帶圖像；

b、基于區(qū)域相似度原則對(duì)所有低頻子帶圖像進(jìn)行融合；基于經(jīng)改進(jìn)粒子群算法優(yōu)化的高頻子帶融合參數(shù)模型對(duì)所有高頻子帶圖像進(jìn)行融合；

c、對(duì)融合后的低頻子帶圖像和高頻子帶圖像進(jìn)行相應(yīng)層次和方向上的NSCT逆變換，得到融合圖像。

進(jìn)一步地，所述步驟a中源圖像經(jīng)NSCT分解后得到的低頻子帶圖像和高頻子帶圖像系數(shù)如下：

式中f_A(x,y)和f_B(x,y)分別表示源圖像，j表示分解的層數(shù)，l表示高頻子帶方向的個(gè)數(shù)，和表示低頻子帶系數(shù)，和表示源圖像經(jīng)j層分解后第l個(gè)方向子帶的高頻子帶系數(shù)。

進(jìn)一步地，所述步驟b中低頻子帶圖像的融合包括以下步驟：

(1)設(shè)定相似度閾值β；

(2)由如下公式依次計(jì)算多個(gè)傳感器的源圖像之間相應(yīng)像素點(diǎn)的相似度：