[發明專利]一種用于多圖像融合的二維多元經驗模態分解算法

有效

• 申請號: 201811609919.5
• 申請日: 2018-12-27
• 公開（公告）號: CN109767411B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 夏亦犁;張斌;裴文江
• 申請（專利權）人: 東南大學
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王安琪

1.一種用于多圖像融合的二維多元經驗模態分解算法，其特征在于，包括如下步驟：

(1)將待融合的多幅圖像組合為一個二維多元信號，作為2D-MEMD算法的輸入信號；具體包括如下步驟：

(11)確定輸入二維多元信號I的元數n，以及投影方向的個數m，通過準蒙特卡洛方法產生n個長度為m的低差異序列作為投影方向矢量，此時，投影方向矢量的模長不是單位長度，需進行歸一化，稱之為非歸一化投影方向矢量，其中，每個投影方向矢量各對應一個投影角度θ_k；

(12)計算輸入二維多元信號I沿每個投影角度θ_k所對應的歸一化投影方向矢量的投影提取局部極大值所在的位置

(13)使用Delaunay三角剖分算法，擬合散點得到θ_k所對應的極大值曲面

(14)平均m個投影方向得到的極大值曲面，得到均值曲面M；

(15)計算D＝I-M，得到一個2D-IMF，其中D就是提取出的2D-IMF分量；計算I＝I-D；

(16)重復步驟(11)-(15)，直至所有的2D-IMF都被提取出來；

(2)2D-MEMD算法將輸入的二維多元信號分解為2D-IMFs，不同的2D-IMF表征了不同圖像的不同空間尺度響應；

(3)使用局部方差最大法或局部能量最大法對相同空間尺度的2D-IMFs進行融合，再將不同空間尺度的融合結果相加，即可得到多圖像融合的結果。

2.如權利要求1所述的用于多圖像融合的二維多元經驗模態分解算法，其特征在于，步驟(3)中，使用局部方差最大法對相同空間尺度的2D-IMFs進行融合具體包括如下步驟：

(31)將第q幅圖像的第p個2D-IMF表示為滑動窗口的大小為(2z+1)×(2z+1)，其中z為正整數，用于衡量滑動窗口的大小，局部方差計算為：

其中，

式中，表示第q幅圖像的第p個2D-IMF在位置(i,j)處的局部方差，μ表示位置(i,j)處的局部均值；

(32)對應的權重矩陣計算為：

(33)每幅圖像的第p個2D-IMF的融合結果計算為：

式中，F^p表示融合后的第p個2D-IMF；

(34)多圖像融合的結果I_d計算為：

3.如權利要求1所述的用于多圖像融合的二維多元經驗模態分解算法，其特征在于，步驟(3)中，使用局部能量最大法對相同空間尺度的2D-IMFs進行融合具體包括如下步驟：

(35)將第q幅圖像的第p個2D-IMF表示為滑動窗口的大小為(2z+1)×(2z+1)，其中，z為一正整數，用于衡量滑動窗口的大小，局部能量計算為：

式中，表示第q幅圖像的第p個2D-IMF在位置(i,j)處的局部能量；

(36)對應的權重矩陣計算為：

(37)每幅圖像的第p個2D-IMF的融合結果計算為：

式中，F^p表示融合后的第p個2D-IMF；

(38)多圖像融合的結果I_d計算為：

4.如權利要求1所述的用于多圖像融合的二維多元經驗模態分解算法，其特征在于，步驟(11)中，非歸一化投影方向矢量的具體生成方式具體為：對于任一正整數c，其基b展開形式a_c＝[a_c(0),a_c(1),…,a_c(M-1)]^T與c滿足以下等式：

式中，M表示c的基b展開形式a_c的長度；那么，該正整數c的基b反轉表示為g_b(c)，如下：

此時，非歸一化投影方向矢量構成的矩陣H表示為：

式中，b₁,b₂,…,b_m-1為互不相等的正整數。

5.如權利要求1所述的用于多圖像融合的二維多元經驗模態分解算法，其特征在于，步驟(11)中，對于所述非歸一化投影方向矢量，其歸一化計算方式具體為：選取任一投影方向矢量為x＝[x₁,x₂,…,x_n]^T，與其對應的(n-1)維角度坐標為通過如下方式計算：

此時，未歸一化投影方向矢量x歸一化表示形式u＝[u₁,u₂,…,u_n]^T計算為: