[發(fā)明專利]基于直覺可能性集的圖像差異特征屬性融合有效度分布構(gòu)造及合成方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910343217.5
• 申請(qǐng)日: 2019-04-26
• 公開（公告）號(hào): CN110223264B
• 公開（公告）日: 2022-03-25
• 發(fā)明（設(shè)計(jì)）人: 吉琳娜;楊風(fēng)暴;劉哲;郭喆;張雅玲
• 申請(qǐng)（專利權(quán)）人: 中北大學(xué)
• 主分類號(hào): G06T5/50
• 分類號(hào): G06T5/50
• 代理公司: 太原科衛(wèi)專利事務(wù)所(普通合伙) 14100
• 代理人: 朱源

1.基于直覺可能性集的圖像差異特征屬性融合有效度分布構(gòu)造及合成方法，其特征在于包括以下步驟：

S1：源圖像確定：選取紅外光強(qiáng)與偏振場(chǎng)景圖作為研究對(duì)象；

S2：差異特征類型的確定：對(duì)比S1中場(chǎng)景圖的圖像特點(diǎn)以及結(jié)合雙模態(tài)紅外光強(qiáng)與偏振圖像的成像機(jī)理，確定雙模態(tài)紅外圖像的差異特征類型，選取灰度均值M、標(biāo)準(zhǔn)差SD、邊緣強(qiáng)度EI和空間頻率SF作為差異特征T；

S3：建立差異特征直覺可能性集：設(shè)論域X為差異特征幅值的不同取值，將算法對(duì)差異特征屬性的融合效果好作為1個(gè)可能性集則表示當(dāng)差異特征幅值取值為x時(shí)，算法對(duì)幅值x融合有效度高的可能性，表示當(dāng)幅值取值為x時(shí)，算法對(duì)幅值x融合有效度高的非可能性，即算法對(duì)幅值x融合有效度低的可能性，反映了算法對(duì)幅值x融合有效度非高非低的可能性；

S4：融合圖像與源圖像間差異特征幅值的距離計(jì)算：選取多種融合算法并用選取的融合算法對(duì)S1中的源圖像進(jìn)行融合，將S1中的源圖像和各種算法融合后的融合圖像進(jìn)行分塊處理，得到n個(gè)圖像塊，利用距離測(cè)度計(jì)算每一圖像塊中融合圖像與源圖像間差異特征幅值間的距離，其中，D^X為融合圖像與源圖像所有圖像塊差異特征幅值間距離的n維向量，表示融合圖像中第i個(gè)圖像塊差異特征幅值的均值，和分別表示紅外偏振圖像和紅外光強(qiáng)圖像中第i個(gè)圖像塊差異特征幅值的均值，X為灰度均值M、標(biāo)準(zhǔn)差SD、邊緣強(qiáng)度EI和空間頻率SF這4類差異特征，每一種算法融合后的融合圖像都通過計(jì)算得到D^X；

S5：融合有效度分布構(gòu)造：(1)根據(jù)算法對(duì)差異特征幅值的融合效果，將融合圖像與源圖像差異特征幅值間的距離分為3個(gè)區(qū)間，分別為和

(2)將差異特征幅值等分為K個(gè)區(qū)間，分別統(tǒng)計(jì)各幅值區(qū)間X_k內(nèi)包含圖像塊的總個(gè)數(shù)以及每一幅值區(qū)間內(nèi)3個(gè)距離區(qū)間所包含的圖像塊個(gè)數(shù)和結(jié)合融合圖像與源圖像差異特征幅值間距離的計(jì)算，提出基于直覺可能性集的融合有效度分布構(gòu)造方法，公式如下：

并且有X為M、SD、EI和SF這4類差異特征；

(3)利用上述公式計(jì)算各融合算法對(duì)差異特征幅值的融合有效度，從而得到直覺可能性集的融合有效度分布；

S6：直覺可能性 集排序法：直覺可能性集的得分值和精確值分別是：其中，i表示第i種融合算法，k表示差異特征的第k個(gè)幅值區(qū)間；對(duì)于某一算法對(duì)差異特征在不同幅值區(qū)間上的融合有效度，若得分值越大，說明算法對(duì)差異特征在該幅值區(qū)間上的排序越高，融合效果越好；而在得分值相同的情況下，精確值越大，則算法對(duì)差異特征在相應(yīng)幅值區(qū)間上的排序也越高，根據(jù)多個(gè)差異特征屬性融合有效度分布的合成結(jié)果，得出對(duì)差異特征融合效果好的算法，進(jìn)而能夠根據(jù)差異特征屬性的不同，有針對(duì)性地選擇對(duì)該特征融合效果最好的融合算法。