一种图像融合的方法、系统及相关装置与流程

本申请涉及图像处理与图像融合
技术领域：
，特别涉及一种图像融合的方法、系统、设备及计算机可读存储介质。
背景技术：
：在临床医学中，通过不同的医学成像设备得到各种不同的医学图像。单一成像设备所得图像具有局限性且不利于医生诊断，所以医学图像融合成为近年来的研究热点。通过将不同医学图像进行融合，即得到细节信息量丰富、冗余信息少的有效融合图像。图像融合主要分为三大层次，像素级、特征级和决策级，早期的像素级图像融合技术主要是在拉普拉斯金字塔变换和小波变换的基础上进行的，但是拉普拉斯金字塔变换的融合方法会产生大量的冗余信息；小波变换在分解方向上只有固定的几个方向，具有局限性，所以近年来提出了许多多分辨率分析的多尺度变换方法，并已经广泛地应用到图像融合技术中。比较热门的多尺度方法有2006年提出的nsct(nom-subsampledcontourlettransform)和2010年提出的nsst(nom-subsampledshearlettransform)。这两种变换方法可以提取图像更全面的方向信息和细节信息，减少冗余量，至今仍是很多学者研究的热点。但是这类的变换方法在进行图像处理的同时易产生人造纹理，使得融合图像空间连续性差，而且运行时间相对较长。因此，如何在进行图像融合时避免产生人造纹理，进而提高融合图像的空间连续性是本领域技术人员亟需解决的技术问题。技术实现要素：本申请的目的是提供一种图像融合的方法、系统、设备及计算机可读存储介质，能够在进行图像融合时避免产生人造纹理，进而提高融合图像的空间连续性。为解决上述技术问题，本申请提供一种图像融合的方法，包括：在分别获取两种成像设备拍摄目标对象得到的第一原始图像及第二原始图像后，将所述第一原始图像、所述第二原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第一基础层信息图像；将所述第一原始图像与所述第一基础层信息图像进行作差操作，得到第一细节层信息图像；将所述第二原始图像、所述第一原始图像分别作为所述输入图像和所述导向图像，并进行所述导向滤波器的所述滤波处理，得到第二基础层信息图像；将所述第二原始图像与所述第二基础层信息图像进行所述作差操作，得到第二细节层信息图像；利用含可变参数的邻域统计特性的权值系数计算方法，分别确定所述第一细节层信息图像对应的第一权值系数和所述第二细节层信息图像对应的第二权值系数；根据所述第一权值系数及所述第二权值系数，对所述第一原始图像和所述第二原始图像进行融合处理，得到融合图像。优选地，所述将所述第二原始图像、所述第一原始图像分别作为所述输入图像和所述导向图像，并进行所述导向滤波器的所述滤波处理，得到第二基础层信息图像，包括：将所述第二原始图像、所述第一原始图像分别确定为所述输入图像和所述导向图像；在利用预设规则构成所述导向滤波器后，将所述输入图像和所述导向图像输入所述导向滤波器进行所述滤波处理，得到所述第二基础层信息图像。优选地，所述利用含可变参数的邻域统计特性的权值系数计算方法，分别确定所述第一细节层信息图像对应的第一权值系数和所述第二细节层信息图像对应的第二权值系数，包括：利用第一含可变参数的协方差矩阵分别确定所述第一细节层信息图像的第一水平方向边缘强度和第一竖直方向边缘强度；利用所述第一水平方向边缘强度和所述第一竖直方向边缘强度确定所述第一权值系数；利用第二含可变参数的协方差矩阵分别确定所述第二细节层信息图像的第二水平方向边缘强度和第二竖直方向边缘强度；利用所述第二水平方向边缘强度和所述第二竖直方向边缘强度确定所述第二权值系数。优选地，所述利用第一含可变参数的协方差矩阵分别确定所述第一细节层信息图像的第一水平方向边缘强度和第一竖直方向边缘强度，包括：根据含可变参数的协方差矩阵公式，利用预设像素点的局部方窗计算出所述第一含可变参数的协方差矩阵；利用所述第一含可变参数的协方差矩阵分别确定所述第一细节层信息图像的所述第一水平方向边缘强度和所述第一竖直方向边缘强度。本申请还提供一种图像融合的系统，包括：第一基础层信息图像获取模块，用于在分别获取两种成像设备拍摄目标对象得到的第一原始图像及第二原始图像后，将所述第一原始图像、所述第二原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第一基础层信息图像；第一细节层信息图像获取模块，用于将所述第一原始图像与所述第一基础层信息图像进行作差操作，得到第一细节层信息图像；第二基础层信息图像获取模块，用于将所述第二原始图像、所述第一原始图像分别作为所述输入图像和所述导向图像，并进行所述导向滤波器的所述滤波处理，得到第二基础层信息图像；第二细节层信息图像获取模块，用于将所述第二原始图像与所述第二基础层信息图像进行所述作差操作，得到第二细节层信息图像；权值系数确定模块，用于利用含可变参数的邻域统计特性的权值系数计算方法，分别确定所述第一细节层信息图像对应的第一权值系数和所述第二细节层信息图像对应的第二权值系数；融合处理模块，用于根据所述第一权值系数及所述第二权值系数，对所述第一原始图像和所述第二原始图像进行融合处理，得到融合图像。优选地，所述第二基础层信息图像获取模块，包括：图像确定单元，用于将所述第二原始图像、所述第一原始图像分别确定为所述输入图像和所述导向图像；滤波处理单元，用于在利用预设规则构成所述导向滤波器后，将所述输入图像和所述导向图像输入所述导向滤波器进行所述滤波处理，得到所述第二基础层信息图像。优选地，所述权值系数确定模块，包括：第一边缘强度确定单元，用于利用第一含可变参数的协方差矩阵分别确定所述第一细节层信息图像的第一水平方向边缘强度和第一竖直方向边缘强度；第一权值系数确定单元，用于利用所述第一水平方向边缘强度和所述第一竖直方向边缘强度确定所述第一权值系数；第二边缘强度确定单元，用于利用第二含可变参数的协方差矩阵分别确定所述第二细节层信息图像的第二水平方向边缘强度和第二竖直方向边缘强度；第二权值系数确定单元，用于利用所述第二水平方向边缘强度和所述第二竖直方向边缘强度确定所述第二权值系数。优选地，所述第一边缘强度确定单元，包括：第一含可变参数的协方差矩阵计算子单元，用于根据含可变参数的协方差矩阵公式，利用预设像素点的局部方窗计算出所述第一含可变参数的协方差矩阵；第一边缘强度确定子单元，用于利用所述第一含可变参数的协方差矩阵分别确定所述第一细节层信息图像的所述第一水平方向边缘强度和所述第一竖直方向边缘强度。本申请还提供一种设备，包括：存储器和处理器；其中，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现上述所述的图像融合的方法的步骤。本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的图像融合的方法的步骤。本申请所提供的一种图像融合的方法，包括：在分别获取两种成像设备拍摄目标对象得到的第一原始图像及第二原始图像后，将所述第一原始图像、所述第二原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第一基础层信息图像；将所述第一原始图像与所述第一基础层信息图像进行作差操作，得到第一细节层信息图像；将所述第二原始图像、所述第一原始图像分别作为所述输入图像和所述导向图像，并进行所述导向滤波器的所述滤波处理，得到第二基础层信息图像；将所述第二原始图像与所述第二基础层信息图像进行所述作差操作，得到第二细节层信息图像；利用含可变参数的邻域统计特性的权值系数计算方法，分别确定所述第一细节层信息图像对应的第一权值系数和所述第二细节层信息图像对应的第二权值系数；根据所述第一权值系数及所述第二权值系数，对所述第一原始图像和所述第二原始图像进行融合处理，得到融合图像。可见，该方法利用导向滤波器进行滤波处理，导向滤波器具有边缘保持平滑作用，是一种线性滤波器，处理图像速度比相关技术中多尺度变换要快。导向滤波器在对图像进行滤波的同时，可以有效提取图像的细节信息、增强图像的空间连续性，避免引入人造纹理。此外，该方法还利用了含可变参数的邻域统计特性的权值系数计算方法确定权值系数，由于参数是可变的，所以融合效果具有可调节性，更易满足图像融合的技术要求。本申请还提供一种图像融合的系统、设备及计算机可读存储介质，均具有上述有益效果，在此不再赘述。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本申请实施例所提供的一种图像融合的方法的流程图；图2为本申请实施例所提供的一种图像融合算法的实现框图；图3为本申请实施例所提供的客观评价指标随p变化的曲线图；图4为本申请实施例所提供的一种图像融合的系统的结构框图。具体实施方式本申请的核心是提供一种图像融合的方法，能够在进行图像融合时避免产生人造纹理，进而提高融合图像的空间连续性。本申请的另一核心是提供一种图像融合的系统、设备及计算机可读存储介质。为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。近年来提出了许多多分辨率分析的多尺度变换方法，并已经广泛地应用到图像融合技术中。比较热门的多尺度方法有2006年提出的nsct(nom-subsampledcontourlettransform)和2010年提出的nsst(nom-subsampledshearlettransform)。这两种变换方法可以提取图像更全面的方向信息和细节信息，减少冗余量，至今仍是很多学者研究的热点。但是这类的变换方法在进行图像处理的同时易产生人造纹理，使得融合图像空间连续性差，而且运行时间相对较长。本申请实施例能够在进行图像融合时避免产生人造纹理，进而提高融合图像的空间连续性，具体请参考图1，图1为本申请实施例所提供的一种图像融合的方法的流程图，该图像融合的方法具体包括：s101、在分别获取两种成像设备拍摄目标对象得到的第一原始图像及第二原始图像后，将第一原始图像、第二原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第一基础层信息图像；本申请实施例先是分别获取两种成像设备拍摄目标对象得到的第一原始图像及第二原始图像，在此对成像设备的种类不作具体限定，应由本领域技术人员根据实际情况作出相应的设定，例如可以是核磁共振设备，还可以是ct设备。在此对目标对象也不作具体限定，需根据实际情况而定，例如目标对象可以是头部。由于成像设备种类、目标对象在此均不作具体限定，故第一原始图像及第二原始图像也不作具体限定。可以理解的是，虽然第一原始图像及第二原始图像是针对同一目标对象的，但是其种类对应于成像设备的种类。例如，若成像设备是核磁共振设备，则拍摄出来的原始图像就是mri图像；若成像设备是ct设备，则拍摄出来的原始图像就是ct图像。本申请实施例在得到第一原始图像及第二原始图像后，将第一原始图像、第二原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第一基础层信息图像。例如，若假设第一原始图像为ct图像、第二原始图像为mri图像，则将ct图像、mri图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第一基础层信息图像。下面就导向滤波器作个描述：导向滤波器(gf，guidedfilter)是一种线性滤波器，具有边缘保持平滑作用，主要包括输入图像i，导向图像g及输出图像o。导向滤波器是基于局部线性模型得到的，假设在以一个像素点k为中心的局部窗口wk中，输出图像o是导向图像g的线性变换，具体公式如下：这里，wk是一个以半径为r的方窗，其大小即为(2r+1)×(2r+1)。ak和bk是局部窗wk内的常数，可由最小化下面代价函数估计出：其中，ε为正则化参数，系数ak和bk可以由线性回归求出：式中|w|是wk内的像素个数，和分别为输入图像i在窗wk内的均值和方差，为导向图像g在窗wk内的均值。由公式(1)可知，当窗wk在变化时，滤波输出图像oj也随之变化。所以就把系数ak和bk进行取均值来解决，具体公式如下：其中，和为平均系数。导向滤波器由公式(3)、(4)和(5)构成，当输入图像i和导向图像g相同时，gf滤波器表现出与双边滤波相似的保边特性。将gf滤波器的输入输出关系表示为o＝gf(i,g)(6)当输入图像i与导向图像g不同时，滤波输出的图像在细节上与输入图像相似，在线性结构和纹理上又与导向图像g相似，输出o是一幅基础层信息图像。将输入图像x与输出图像o作差，得到一幅细节层信息图像，即为i-gf(i,g)。s102、将第一原始图像与第一基础层信息图像进行作差操作，得到第一细节层信息图像；本申请实施例在得到第一基础层信息图像后，将第一原始图像与第一基础层信息图像进行作差操作，得到第一细节层信息图像，也即第一原始图像减去第一基础层信息图像，得到第一细节层信息图像。s103、将第二原始图像、第一原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第二基础层信息图像；本申请实施例中步骤s103和步骤s101是相对应的，步骤s101中是将第一原始图像、第二原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第一基础层信息图像；步骤s103中是将第二原始图像、第一原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第二基础层信息图像。例如，若假设第一原始图像为ct图像、第二原始图像为mri图像，则将mri图像、ct图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第二基础层信息图像。进一步地，将第二原始图像、第一原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第二基础层信息图像，通常包括：将第二原始图像、第一原始图像分别确定为输入图像和导向图像；在利用预设规则构成导向滤波器后，将输入图像和导向图像输入导向滤波器进行滤波处理，得到第二基础层信息图像。s104、将第二原始图像与第二基础层信息图像进行作差操作，得到第二细节层信息图像；本申请实施例中步骤s104和步骤s102是相似的，在得到第二基础层信息图像后，将第二原始图像与第二基础层信息图像进行作差操作，得到第二细节层信息图像，也即第二原始图像减去第二基础层信息图像，得到第二细节层信息图像。s105、利用含可变参数的邻域统计特性的权值系数计算方法，分别确定第一细节层信息图像对应的第一权值系数和第二细节层信息图像对应的第二权值系数；本申请实施例在得到第一细节层信息图像和第二细节层信息图像后，利用含可变参数的邻域统计特性的权值系数计算方法，分别确定第一细节层信息图像对应的第一权值系数和第二细节层信息图像对应的第二权值系数。在此对可变参数不作具体限定，通常用p表示可变参数。进一步地，利用含可变参数的邻域统计特性的权值系数计算方法，分别确定第一细节层信息图像对应的第一权值系数和第二细节层信息图像对应的第二权值系数，通常包括：利用第一含可变参数的协方差矩阵分别确定第一细节层信息图像的第一水平方向边缘强度和第一竖直方向边缘强度；利用第一水平方向边缘强度和第一竖直方向边缘强度确定第一权值系数；利用第二含可变参数的协方差矩阵分别确定第二细节层信息图像的第二水平方向边缘强度和第二竖直方向边缘强度；利用第二水平方向边缘强度和第二竖直方向边缘强度确定第二权值系数。进一步地，利用第一含可变参数的协方差矩阵分别确定第一细节层信息图像的第一水平方向边缘强度和第一竖直方向边缘强度，通常包括：根据含可变参数的协方差矩阵公式，利用预设像素点的局部方窗计算出所述第一含可变参数的协方差矩阵；利用第一含可变参数的协方差矩阵分别确定第一细节层信息图像的第一水平方向边缘强度和第一竖直方向边缘强度。针对上述内容，在此作具体说明：数学统计特性已经被应用到图像融合规则中，用来求得融合系数的权值。对于一个矩阵x，其协方差矩阵cov(x)定义为cov(x)＝e[(x-e[x])(x-e[x])t](7)在数字图像中，本申请实施例选取以某一像素点(x,y)为中心的局部方窗w，其大小为m×m。将局部方窗假设为矩阵z，那么在像素点(x,y)处的协方差矩阵为其中zj是选取矩阵z中的第j行数据，为zj的均值。这样求得的矩阵就是一个对角矩阵，对角线上对应着每一行数据的方差。为了增强融合效果，在原有的求解协方差矩阵中加入可变参数p，具体公式如下：其中，p≥1，当p＝1时，即为原有的协方差矩阵。接下来再对求得的含可变参数p的协方差矩阵求特征值由于矩阵z大小为m×m，所以的个数为m个，那么就可以求得水平方向边缘强度αh：同理，本申请实施例同样可以求得竖直方向的边缘强度，即选取zj为矩阵z中的第j列数据作为观测值，计算可以求得再求出其特征值即可求出其竖直方向的边缘强度αv:再对αh(x,y)和αv(x,y)求和，即可得到权重系数w(x,y)：w(x,y)＝αh(x,y)+αv(x,y)(12)将窗口滑动经过整幅图像，既可以求得在每一个像素点处的权值系数。s106、根据第一权值系数及第二权值系数，对第一原始图像和第二原始图像进行融合处理，得到融合图像。本申请实施例在得到第一权值系数及第二权值系数后，根据第一权值系数及第二权值系数，对第一原始图像和第二原始图像进行融合处理，得到融合图像。具体地，可以对第一原始图像和第二原始图像按照上述方法进行权值系数求解，分别求得wx(i,j)和wy(i,j)，即可求得最终的融合图像f(i,j)：综上，本申请实施例利用导向滤波器进行滤波处理，导向滤波器具有边缘保持平滑作用，是一种线性滤波器，处理图像速度比相关技术中多尺度变换要快。导向滤波器在对图像进行滤波的同时，可以有效提取图像的细节信息、增强图像的空间连续性，避免引入人造纹理。此外，本申请实施例还利用了含可变参数的邻域统计特性的权值系数计算方法确定权值系数，由于参数是可变的，所以融合效果具有可调节性，更易满足图像融合的技术要求。下面具体地将ct图x作为上述第一原始图像、mri图y作为上述第二原始图像，关于上述图像融合的方法再作系统说明，请参考图2，图2为本申请实施例所提供的一种图像融合算法的实现框图，具体步骤如下：step1：将两幅医学图像x、y分别当作输入图像i和导向图像g，进行gf滤波后得到一幅基础层信息图像xb(i,j)＝gf(x,y)；step2：将源图像x与step1中获得的基础层信息图像作差，得到一幅细节层信息图像，即为xd(i,j)＝x-gf(x,y)；step3：将两幅医学图像y、x分别当作输入图像i和导向图像g，进行gf滤波后得到一幅基础层信息图像yb(i,j)＝gf(y,x)；step4：将输入图像y与step2中获得的基础层信息图像作差，得到一幅细节层信息图像，即为yd(i,j)＝y-gf(y,x)；step5：然后采用基于含可变参数p的邻域统计特性的权值系数计算方法，求得step2中获得的细节层图像的权值系数为wx(i,j)和step4中获得的细节层图像的权值系数为wy(i,j)；step6：对两幅源图像按照所求得的权值系数进行图像融合，即可求得最终的融合图像f(i,j)：此外，利用上述图像融合的方法作了图像融合仿真实验及分析：实验平台为matlab2014(a)，计算机主机配置为:intel(r)处理器，cpu主频3.4ghz，内存8gb。选择正常人类头部的ct和mri图像进行仿真实验，图像大小为256×256。为了验证本申请所提的图像融合方法的有效性，选择两组仿真实验:1)图像融合方法对比实验：选择不同的融合方法分别进行医学图像融合，选择合适的客观评价指标进行对比分析；2)客观质量评价指标随参数p变化关系实验：选择不同参数p，根据本申请的方法进行仿真，得到不同的融合对比结果，并进行分析。两组仿真实验具体如下：1、图像融合方法对比实验：选择基于小波融合、基于nsct融合、nsst+nmf、gf+covw及本发明所提方法分别进行医学图像融合。其中，小波变换选择‘db4’小波，分解层数为5；nsct变换分解层数选为2；nsst变换分解层数设置为3，方向数分别选为4，8，16；gf+covw融合方法中gf的参数：邻域半径r＝25，平滑系数ε＝2.1，w＝5；本申请方法参数：gf滤波器的邻域半径r＝25，平滑系数ε＝2.1，w＝5，参数p＝5。再选择参数熵值(e)、平均梯度(ag)、标准差(sd)、互信息(mi)和空间频率(sf)和均值(μ)共6个参数作为客观评价指标进行对比分析，如表1所示，表1为客观评价指标表(注：这里的评价指标的数值越大说明融合效果越好)。表1客观评价指标表wtnsctnsst+nmfgf+covw本申请方法μ55.80841055.87894556.89125654.14630555.504968sd60.48856161.08213660.48562157.36818860.192657ag6.8758626.9774527.4212637.3356378.204720msg6.8024536.8410236.8842836.7356956.796562sf16.92532017.62541319.68652120.22231225.247095mi2.9986523.2154983.3145682.8164034.123303此外，还可以将各融合方法得到的结果图进行对比，从视觉效果的角度进行对比，可以发现，采用gf滤波器的方法明显优于其他方法，而gf+covw与本申请方法相比较，后者在边缘处有视觉效果增强，这样更便于医生明显地发现患者的病灶，使得医学图像融合的视觉效果更佳；通过表1的客观评价指标的对比，nsst+nmf的均值最大，nsct的标准差最大，nsst+nmf的熵值最大，本发明的平均梯度、空间频率和互信息都是最大的，综合对比发现，本发明的方法在综合性能上要明显优于其他方法。2、客观质量评价参数与参数p变化关系实验：为了得到融合效果随参数p变化的关系，选择不同的参数p按照本申请所给出的图像融合方法进行图像融合，并将其融合图像的客观质量评价指标进行对比分析，如表2所示，表2为参数p变化时客观评价参数值。为了清楚地观察到各评价指标与参数p之间的变化趋势，分别画出各个参数随p变化的曲线，如图3所示，图3为本申请实施例所提供的客观评价指标随p变化的曲线图。表2参数p变化时客观评价参数值μsdagmsgsfmip＝154.14630557.3681887.3356376.73569520.2223122.816403p＝1.555.02812058.7621997.6951706.77965021.7775283.279735p＝255.31988959.3341897.8800926.79742022.7989973.557943p＝2.555.44176759.6396487.9901996.80325323.5174003.751869p＝355.50496859.8315178.0621376.80529024.0461893.879749p＝3.555.54365859.9640198.1128246.80410424.4510783.966507p＝455.57005660.0610088.1509456.80152924.7713784.033355p＝4.555.58929360.1348318.1807006.79904325.0314494.085498p＝555.60388960.1926578.2047206.79656225.2470954.123303通过观察表2和图3可知，随着参数p的增大，各评价参数值整体呈现增加的趋势。其中均值μ和标准差sd在p>3后曲线变缓，p>10后基本趋于稳定；熵值msg是先变大后变小，而后又趋于平稳的趋势，在p＝3左右时达到最大；空间频率sf曲线随着p的增大，一直呈现上升趋势；平均梯度ag和互信息mi在p<3时，曲线较陡，上升幅度明显，在p>3后曲线上升趋势变缓；在p>10时后基本趋于稳定。综上，本申请提出的医学图像融合方法含有可变参数p，融合效果也随着p的变化而变化。随着p的增大，融合效果明显变好，而p值的最优解问题将在后续的工作中继续进行研究。下面对本申请实施例提供的一种图像融合的系统、设备及计算机可读存储介质进行介绍，下文描述的图像融合的系统、设备及计算机可读存储介质与上文描述的图像融合的方法可相互对应参照。请参考图4，图4为本申请实施例所提供的一种图像融合的系统的结构框图；该图像融合的系统包括：第一基础层信息图像获取模块401，用于在分别获取两种成像设备拍摄目标对象得到的第一原始图像及第二原始图像后，将第一原始图像、第二原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第一基础层信息图像；第一细节层信息图像获取模块402，用于将第一原始图像与第一基础层信息图像进行作差操作，得到第一细节层信息图像；第二基础层信息图像获取模块403，用于将第二原始图像、第一原始图像分别作为输入图像和导向图像，并进行导向滤波器的滤波处理，得到第二基础层信息图像；第二细节层信息图像获取模块404，用于将第二原始图像与第二基础层信息图像进行作差操作，得到第二细节层信息图像；权值系数确定模块405，用于利用含可变参数的邻域统计特性的权值系数计算方法，分别确定第一细节层信息图像对应的第一权值系数和第二细节层信息图像对应的第二权值系数；融合处理模块406，用于根据所述第一权值系数及所述第二权值系数，对所述第一原始图像和所述第二原始图像进行融合处理，得到融合图像。基于上述实施例，本实施例中第二基础层信息图像获取模块403，通常包括：图像确定单元，用于将第二原始图像、第一原始图像分别确定为输入图像和导向图像；滤波处理单元，用于在利用预设规则构成导向滤波器后，将输入图像和导向图像输入导向滤波器进行滤波处理，得到第二基础层信息图像。基于上述实施例，本实施例中权值系数确定模块405，通常包括：第一边缘强度确定单元，用于利用第一含可变参数的协方差矩阵分别确定第一细节层信息图像的第一水平方向边缘强度和第一竖直方向边缘强度；第一权值系数确定单元，用于利用第一水平方向边缘强度和第一竖直方向边缘强度确定第一权值系数；第二边缘强度确定单元，用于利用第二含可变参数的协方差矩阵分别确定第二细节层信息图像的第二水平方向边缘强度和第二竖直方向边缘强度；第二权值系数确定单元，用于利用第二水平方向边缘强度和第二竖直方向边缘强度确定第二权值系数。基于上述实施例，本实施例中第一边缘强度确定单元，通常包括：第一含可变参数的协方差矩阵计算子单元，用于根据含可变参数的协方差矩阵公式，利用预设像素点的局部方窗计算出第一含可变参数的协方差矩阵；第一边缘强度确定子单元，用于利用第一含可变参数的协方差矩阵分别确定第一细节层信息图像的第一水平方向边缘强度和第一竖直方向边缘强度。本申请还提供一种设备，包括：存储器和处理器；其中，存储器用于存储计算机程序，处理器用于执行计算机程序时实现上述任意实施例的图像融合的方法的步骤。本申请还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述任意实施例的图像融合的方法的步骤。该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例提供的系统而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或
技术领域：
内所公知的任意其它形式的存储介质中。以上对本申请所提供的一种图像融合的方法、系统、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。当前第1页12