图像融合中自动确定引导滤波器参数的方法与流程

本发明属于图像处理技术领域，特别涉及一种自动确定引导滤波器参数的方法，可用于图像的分析与处理，并在医疗、诊断等图像处理方面有广泛的应用。

背景技术：

引导滤波器的概念是2010年由kaiminghe等人提出的。引导滤波器具有保边缘滤噪声的特性和算法复杂度为线性的优点，使得引导滤波器在图像处理领域应用广泛。引导滤波器有两个参数，多数人使用引导滤波器时，对于其参数的值均是任意指定。一些有经验的学者会结合大量实验数据，综合统计出参数的值。例如唐鉴波在论文《基于引导滤波的单幅图像去雾算法研究》和王峰在论文《图像引导滤波器在单幅图像复原中的应用》中，均是将参数直接或统计给出。然而，却忽略了一个重要的特点——引导滤波器的参数应根据不同的引导图像而不同，不能根据引导图像的特点来自动确定参数，导致引导滤波器作用效果差。

技术实现要素：

本发明的目的在于提供一种在图像融合中自动确定引导滤波器参数的方法，主要解决现有的图像融合方法中引导滤波器参数不能自动确定问题，提高引导滤波器的作用效果。

为实现上述目的，本发明的技术方案包括如下：

(1)将引导滤波过程表示为f＝g(p,i,r,ε)，其中，g表示引导滤波器，p为引导滤波器的输入图像，i为引导滤波器的引导图像，f为引导滤波后的图像，r是引导滤波器的窗口半径参数，ε是引导滤波器的调整参数；

(2)计算引导滤波器的最佳调整参数εb：

(2a)令引导滤波器的窗口半径r＝3；

(2b)计算引导图像i的方差σ²；

(2c)令引导滤波器的调整参数ε的第一变化指数a＝10,第二变化指数d＝25，中间变化指数的初值为a'＝10；

(2d)以步长为1从a到d遍历a'的值，令调整参数ε的值εa'＝σ²*10^-a'，并将εa'的值和窗口半径r的值代入(1)中的引导滤波式，得到引导滤波器为g(p,i,r,εa')；

(2e)将引导滤波器g(p,i,r,εa')引入到图像融合算法中得到融合后图像ha',计算融合后图像ha'的标准差平均梯度和边缘强度esa'；

(2f)判断融合后图像ha'的标准差平均梯度和边缘强度esa'是否收敛：

当标准差平均梯度和边缘强度esa'均收敛时，停止遍历，此时的εa'的值即为最佳εb；

当标准差平均梯度和边缘强度esa'不收敛时，令a＝d,d＝d+10,返回步骤(2d)，直至找到εb；

(3)确定引导滤波器的最佳窗口半径rb；

(3a)以步长为1从1到遍历r的值，其中width是引导图像i在x轴方向的像素个数，height是引导图像i在y轴方向的像素个数，min是求最小值运算；

(3b)将r的值和εb的值代入步骤(1)中的引导滤波式，得到引导滤波器为g(p,i,r,εb)，将引导滤波器g(p,i,r,εb)引入到图像融合算法中得到融合后图像hb，记录融合后图像hb的综合评价参数c(r)随r的变化曲线；

(3c)找到综合评价参数曲线c(r)最大值点，此时对应的r即为最佳的窗口半径rb。

本发明具有如下优点：

1.本发明由于根据融合后图像的评价参数，即标准差，平均梯度和边缘强度这三个参数来筛选引导滤波器的参数，以此实现了参数的自动确定；

2.由于本发明融合后图像的评价参数收敛，综合评价参数达到最值，因此提升了引导滤波器的滤波效果；同时由于本发明提升了引导滤波器的效果，因此将此引导滤波器应用于图像融合算法，能更好的提升图像的融合效果。

附图说明

图1是本发明实现总流程图；

图2是用本发明进行图像融合的实例流程图。

图3是本发明ct图像和mri图像输入的对比图，其中图3a为输入的ct图像，图3b为输入的mri图像；

图4是本发明的图像融合结果与现有的直接取大法和直觉模糊推理法所得融合结果的对比图，其中图4a是现有应用直接取大方法进行实验得到的融合图像，图4b是应用现有直觉模糊推理的方法进行实验得到的融合图像，图4c是本发明进行实验得到的融合图像。

下面结合附图和实例对本发明作进一步说明。

参照图1，本发明的实现步骤如下：

步骤1，初始化变量和参数值。

(1.1)将引导滤波过程表示为f＝g(p,i,r,ε)，其中，g表示引导滤波器，p为引导滤波器的输入图像，i为引导滤波器的引导图像，f为引导滤波后的图像，r是引导滤波器的窗口半径参数，ε是引导滤波器的调整参数；

(1.2)输入引导图像i，输入图像p,令引导滤波器的窗口半径r＝3；

(1.3)计算引导图像i的方差σ²；

(1.3a)计算引导图像i的像素均值其中o'i,j表示引导图像i在(i,j)点的像素值，m'为引导图像i在x方向的像素点数，n'表示引导图像i在y方向的像素点数；

(1.3b)根据像素均值计算引导图像i的方差：

(1.4)令引导滤波器的调整参数ε的第一变化指数a＝10,第二变化指数d＝25，中间变化指数的初值为a'＝10。

步骤2，遍历a'的值，求出最佳的调整参数εb

(2.1)以步长为1从a到d遍历a'的值，令调整参数ε的值εa'＝σ²*10^-a'，并将εa'的值和窗口半径r的值代入(1)中的引导滤波式，得到引导滤波器为g(p,i,r,εa')，其中*表示乘号；

(2.2)将引导滤波器g(p,i,r,εa')引入到图像融合算法中得到融合后图像ha',计算融合后图像ha'的标准差平均梯度和边缘强度esa'：

(2.2a)计算标准差

其中oi,j表示图像ha'在(i,j)点的像素值，m为图像ha'在x方向的像素点数，n表示图像ha'在y方向的像素点数；

(2.2b)计算平均梯度

其中sx(i,j)，sy(i,j)分别表示融合后图像ha'在水平方向和竖直方向的一阶偏导数计算方式如下：

sx(i,j)＝oi-1,j+1+2oi,j+1+oi+1,j+1-oi-1,j-1-2oi,j-1-oi+1,j-1

sy(i,j)＝oi+1,j-1+2oi+1,j+oi+1,j+1-oi-1,j-1-2oi-1,j-oi-1,j+1；

(2.2c)计算边缘强

其中max为取最大值计算，hoe(i,j)、voe(i,j)、doe(i,j)和boe(i,j)分别表示融合图像ha'在水平、垂直、对角线和反对角线方向上的一阶偏导数，计算方式如下：

hoe(i,j)＝|oi-1,j+1+2oi,j+1+oi+1,j+1-oi-1,j-1-2oi,j-1-oi+1,j-1|/4

voe(i,j)＝|oi+1,j-1+2oi+1,j+oi+1,j+1-oi-1,j-1-2oi-1,j-oi-1,j+1|/4

doe(i,j)＝|2oi-1,j-1+oi-1,j+oi,j-1-2oi+1,j+1-oi,j+1-oi+1,j|/4

noe(i,j)＝|2oi-1,j+1+oi-1,j+oi,j+1-2oi+1,j-1-oi,j-1-oi+1,j|/4；

(2.3)判断融合后图像ha'的标准差平均梯度和边缘强度esa'是否收敛：

若标准差平均梯度和边缘强度esa'均收敛时，则停止遍历，此时的εa'的值即为最佳εb；

若标准差平均梯度和边缘强度esa'不收敛时，则令a＝d,d＝d+10,返回步骤(2.1)，直至找到εb；

步骤3，遍历r的值，求出最佳的窗口半径参数rb

(3.1)以步长为1从1到遍历r的值，其中width是引导图像i在x轴方向的像素个数，height是引导图像i在y轴方向的像素个数，min是求最小值运算；

(3.2)将r的值和εb的值代入步骤(1.1)中的引导滤波式，得到引导滤波器为g(p,i,r,εb)；

(3.3)将引导滤波器g(p,i,r,εb)引入到图像融合算法中得到融合后图像hb，记录融合后图像hb的综合评价参数c(r)随r的变化曲线：

(3.3a)计算并记录r＝1时融合后图像hb的标准差平均梯度和边缘强度es(1)；

(3.3b)计算r变化时的综合评价参数得到综合评价参数随r的变化曲线，其中，表示r变化时融合图像hb的标准差，表示r变化时融合图像hb的平均梯度，es(r)表示r变化时融合图像hb的边缘强度。

(3.4)将综合评价参数曲线c(r)的最大值点对应的r，作为最佳的窗口半径rb。

通过上述步骤获得被确定的窗口半径rb和调整参数εb，完成在图像融合中对引导滤波器参数的自动确定。

本发明的效果可通过应用实例进一步说明：

一.应用实例

参照图2，本发明实例的应用步骤如下：

第一步：引导滤波前处理

(1a)输入严格配准后的ct图像和mri图像,如图3所示，其中图3a为输入的ct图像，图3b为输入的mri图像；

(1b)分别对ct图像和mri图像进行小波变换,使ct图像被分解为近似系数act和三个小波系数hct、vct、dct，使mrt图像被分为近似系数amri和三个小波系数hmri、vmri、dmri；

(1c)按照如下方式比较近似系数act和amri，得到权重图wct和wmri：

第2步：使用引导滤波

(2a)使用本发明的方法求得窗口半径参数rb和调整参数εb；

(2b)将权重图wct作为引导滤波器的输入图像，将近似系数act作为引导滤波器的引导图像，将窗口半径参数rb，调整参数εb代入引导滤波式中，得到ct图像的新权重图mct＝g(wct,act,rb,εb)；

(2c)将权重图wmri作为引导滤波器的输入图像，将近似系数amri作为引导滤波器的引导图像，将窗口半径参数rb，调整参数εb代入引导滤波式中，得到mri图像的新权重图mmri＝g(wmri,amri,rb,εb)。

第3步：引导滤波后处理

(3a)对ct图像的近似系数act和三个小波系数hct、vct和dct以及mrt图像的近似系数amri和三个小波系数hmri、vmri和dmri分别进行加权融合，得到融合后图像的近似系数a和三个小波系数h、v、d如下：

a＝act*mct+amri*mmrih＝hct*mct+hmri*mmri

v＝vct*mct+vmri*mmrid＝dct*mct+dmri*mmri；

(3b)对融合后图像的近似系数a和三个小波系数h、v、d进行逆小波变换得到融合后图像h’,如图4c所示。

二.实例效果分析

第4步：实验结果对比分析

(4a)将本实例的图像融合结果与现有的直接取大法和直觉模糊推理法所得融合结果进行对比，结构如图4所示，其中：

图4a是现有应用直接取大方法进行实验得到的融合图像，

图4b是应用现有直觉模糊推理的方法进行实验得到的融合图像，

图4c为应用本实例进行实验得到的融合图像，

由图4可以看出，本实例的融合图像图4c与现有两种方法相比，其保留了更多的细节，边缘更加清晰；

(4b)计算三种融合方法所得融合图像的标准差、平均梯度和边缘强度这些评价参数，结果表如表1所示：

表1不同融合方法所得融合图像评价参数表

从表1中可明显看出，本实例所得图像融合图像的评价参数值更高，说明包含更多信息，效果更好。

综上所述，本发明用于图像融合能够取得较好的图像融合结果，在图像的分析与处理及医疗、诊断等图像处理方面有广泛的应用。

以上描述仅是本发明的一个具体实例，并未构成对本发明的任何限制，显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修改和改变，但是这些基本发明思想的修正和改变仍在本发明的权利要求保护范围之内。