专利名称：基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法
技术领域：
本发明涉及一种多聚焦图像融合方法，属于信息融合领域，可以应用于各类军用 或民用的多聚焦图像融合系统。
背景技术：
多聚焦图像融合是指因镜头聚焦不同而形成的多个图像通过一定处理，得到目标 聚焦都清晰的结果图像。目前，常用的多聚焦图像融合方法主要分为变换域与空间域两大 类方法。基于变换域的常用图像融合方法主要采用拉普拉斯金字塔和小波变换等。由于金 字塔形分解结构中不同分辨率的细节信息彼此相关，算法稳定性较差。而经正交小波变换 得到的各子带数据分别落在相互正交的子空间中，所以不同分辨率、不同子空间的细节信 息相关性减小，因此基于小波变换的图像融合技术能克服金字塔形分解融合技术的不足。目前，人们对基于小波变换的多聚焦图像融合方法的研究主要集中在高频分量融 合规则的选择上，而对低频分量融合规则的研究则较少。由于图像的低频分量集中了图像 的主要能量，反映图像的近似和平均特性，因此对低频分量融合规则的研究将直接影响到 融合图像的质量和清晰度。
发明内容
要解决的技术问题为了避免现有技术的不足之处，本发明提出一种基于邻域归一化梯度和邻域标准 差的多聚焦图像融合方法，能够提高融合后的图像质量，达到理想的实用效果。本发明的思想在于首先采用小波变换对源图像进行多尺度分解，得到低频和高 频子图像；然后根据低频和高频子图像的各自特性，采用不用的融合规则进行处理，其中， 对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数，对高频子图像采用基于 邻域标准差的方法得到高频融合系数；最后进行小波重构得到融合图像。技术方案一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法，其特征在于步骤 如下步骤1 预处理采用序贯相似度检测匹配法对两幅聚焦不同的源图像进行图像 配准，并利用线性变换方法将两幅源图像的灰度范围映射到一个一致的灰度区间，得到预 处理后的两幅图像A和B;所述的一致的灰度区间为W，l]或W，255]；步骤2 小波变换利用Mallat算法对预处理后的两幅图像A和B分别进行小波 变换，其中，对预处理后的图像A进行小波变换得到小波变换系数{P,Ζ/=,}，对预处理后的 图像B进行小波变换得到小波变换系数{广,Hf,}；所述的La和Lb分别表示预处理后的两幅 图像A和B的低频子图像；所述的和分别表示预处理后的两幅图像A和B在尺度t 下P方向的高频子图像；所述的t为小波变换的分解尺度，为大于等于1的整数；所述的ρ 表示每个分解尺度下的不同方向，P = 1,2, 3, ρ = 1表示水平方向，ρ = 2表示垂直方向，ρ=3表示对角方向；步骤3 融合处理采用基于邻域归一化梯度的方法对低频子图像La和Lb进行融 合处理，得到低频融合图像Lf ；采用基于邻域标准差的方法对高频子图像和进行融 合处理，得到高频融合子图像；所述的基于邻域归一化梯度的融合处理方法具体为
权利要求
1. 一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法，其特征在于步骤如下步骤1 预处理采用序贯相似度检测匹配法对两幅聚焦不同的源图像进行图像配准， 并利用线性变换方法将两幅源图像的灰度范围映射到一个一致的灰度区间，得到预处理后 的两幅图像A和B ；步骤2 小波变换利用Mallat算法对预处理后的两幅图像A和B分别进行小波变换， 其中，对预处理后的图像A进行小波变换得到小波变换系数{P,HAp t}，对预处理后的图像B 进行小波变换得到小波变换系数认^^}；所述的La和Lb分别表示预处理后的两幅图像A 和B的低频子图像；所述的和分别表示预处理后的两幅图像A和B在尺度t下ρ方 向的高频子图像；所述的t为小波变换的分解尺度，为大于等于1的整数；所述的ρ表示每 个分解尺度下的不同方向，P = 1,2,3,ρ = 1表示水平方向，ρ = 2表示垂直方向，ρ = 3表示对角方向；步骤3 融合处理采用基于邻域归--化梯度的方法对低频子图像La和Lb进行融合处理，得到低频融合图像Lf ；采用基于邻域标准差的方法对高频子图像/,和进行融合处1P.'-1LF(i,j) =理，得到高频融合子图像；所述的基于邻域归一化梯度的融合处理方法具体为 LA(i,j) LB(i,j) = 0 Lb(Uj) L\i,j) = 0 L\i,j) GA(i,j)>GB(i,j) LB(i,j) G\Uj)<G\iJ) 其中，(i，j)表示图像中像素点的位置为i行j列，i = 1，…，P，j = 1，…，Q，P为 低频子图像的总行数，Q为低频子图像的总列数；LF(i，j)表示位于低频融合图像1/第i行 j列像素点的值；GA(i，j)和GB(i，j)分别表示低频子图像La和Lb中以(i，j)像素为中心 的MXN大小邻域内所有像素值的归一化梯度平方和，计算公式分别为‘\LA{i + m,j^-n)-LA(i,j){M-\)(2 (M-\)/2Ga(U)= Σ Σ(M-l)/2 (N-l)/2GB(U)= Σ Σ Ls(i所述的基于邻域标准差的融合处理方法为 HApx{i,j) σΑρβ,])>σΒρβ,β其中，为位于高频融合子图像/^第i行j列像素点的值；<，,(/,_/)和0‘J) 分别为高频子图像和H。中以(i，j)像素为中心的Mx及大小邻域内所有像素值的标准差；所述的MXN和Mx及大小邻域为大小为3X3、5X5、7X7等的正方形区域；步骤4 小波重构将融合处理后得到的低频融合图像Lf和高频融合子图像进行小波逆变换，得到最终的融合结果图像。
2.根据权利要求1所述的一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合 方法，其特征在于所述的一致的灰度区间为W，l]或W，255]。
全文摘要
本发明涉及一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法。首先利用小波变换对图像进行多尺度分解，获得图像在不同分辨率和不同方向下的低频和高频信息；然后根据低频和高频信息的各自特性，采用不用的融合规则进行处理，其中，对低频子图像采用基于邻域归一化梯度的融合方法，克服了传统的低频分量融合方法忽略边缘信息的缺点，对高频子图像采用基于邻域标准差的融合方法，可以最大限度的保留图像的细节信息；最后进行小波重构得到融合图像。本发明克服了传统的融合算法存在的边缘失真现象，使融合后的图像质量和清晰度均有明显提高，可以应用于各类军用或民用的多聚焦图像融合系统。
文档编号G06T5/50GK102063713SQ201010544858
公开日2011年5月18日 申请日期2010年11月11日 优先权日2010年11月11日
发明者姚希文, 程塨, 赵天云, 路艳, 郭雷 申请人:西北工业大学