专利名称：一种利用多尺度高帽选择变换的图像融合方法
技术领域：
本发明涉及一种利用多尺度高帽选择变换的图像融合方法，属于数字图像处理领域，它主要涉及数学形态学和图像融合技术。在各类基于图像的应用系统中有广阔的应用前景。
背景技术：
图像融合是图像处理中的重要关键技术，是合理有效利用多传感器获取数据信息的有效工具。图像融合的关键是提取出原始图像中的有用区域并将这些区域合理地合并于结果图像中。为了更好地提取多传感器获取的图像中的有用信息并将其融合于同一幅图像中，各种方法被提出。直接平均法是一种简单有效的图像融合方法，然而该方法并不能很好地提取图像中的细节，并有可能使结果图像不够清晰。基于小波和曲波的方法(参见文献冈萨罗等，基于小波的图像融合教程，模式识别，37卷，0004) 1855-1872。(Gonzalo Pajares, Jesus Manuel de la Cruz, A wavelet-based image fusion tutorial, Pattern Recognition 37(2004) 1855-1872.))首先将图像变换到变换空间中，然后在变换空间中提取图像的有用信息并将这些信息进行融合达到图像融合的目的。不过，该类方法可能造成图像信息的丢失，从而影响图像融合方法的效果。基于主成分或独立成份分析的方法(参见文献尼克雷奥斯等，利用独立成份分析的像素级和区域级图像融合框架，信息融合，8 卷，0007) 131-142。(Nikolaos Mitianoudis and Tania Stathaki, Pixel-based and region-based image fusion schemes using ICA bases, Information Fusion 8(2007) 131-142.))通过将原始图像中的主要信息提取出来并合并达到图像融合的目的。 但该类方法可能会忽略一些图像细节，造成融合图像模糊。数学形态学作为图像处理的重要工具也被应用于图像融合。利用数学形态学中的高帽变换提取原始多幅图像中的有用信息并将其融合于结果图像中可达到图像融合的目的(参见文献萨三塔等，利用多尺度形态学的二维灰度图像融合，模式识别， 34 卷，(2001)1939-1949。 (Susanta Mukhopadhyay and Bhabatosh Chanda， Fusion of 2D grayscale images using multiscale morphology, Pattern Recognition 340001) 1939-1949.))。但由于高帽变换并不能有效提取图像中的有用区域，使得传统方法不能很好地保留图像的细节。虽然中心环绕高帽变换能够进一步改善融合图像的视觉效果(参见文献白相志等，利用多尺度中心环绕高帽变换提取图像区域的红外与可见光图像融合，光学快讯，19 卷，(2011)8444-8457。(Xiangzhi Bai，Fugen Zhou, Bindang Xue. Fusion of infrared and visual images through region extraction by using multi scale center-surround top-hat transform. Optics Express 19 (2011)8444-8457.)), {i. 图像细节仍然不是非常清晰。高帽选择变换可选择性地提取图像的有用信息，从而可更加灵活有效地提取图像的有效区域。因此，高帽选择变换可有目的的提取图像中的有用区域并抑制经典高帽变换平滑图像细节的缺点，将更有利于提取原始图像中的有用信息用于图像融合。而且多尺度运算可以有效提取图像的多尺度特征，合理利用从原始图像中提取的多尺度特征可以有效提高图像融合的效果。因此，为了更加有效地融合图像中的有用信息，本发明提出了一种利用多尺度高帽选择变换的图像融合方法。
发明内容
1、目的图像融合是图像处理的重要研究领域，可将多幅图像中的有用信息有效融合于最后的结果图像中，从而提高图像信息的可利用率。虽然各种图像融合方法被用于图像融合，然而多数方法并不能很好地提取原始图像中的有效图像区域用于图像融合，从而不同程度地模糊图像细节或遗漏部分图像信息，使得图像融合的效果不佳。为了解决上述问题并弥补传统方法的不足，本发明提供了一种利用多尺度高帽选择变换的图像融合方法，它通过定义高帽选择变换中的参数使高帽选择变换能够用于有效提取图像中的感兴趣区域；利用多尺度结构元素通过定义的高帽选择变换提取原始图像的多尺度亮区域和暗区域并针对每一尺度下提取到的不同原始图像的亮区域和暗区域，利用最大值获取每一尺度下对应融合图像的亮区域和暗区域；通过取所有尺度上对应融合图像的亮区域或暗区域的最大值来获取用于最后图像融合的亮区域和暗区域；在利用原始图像平均得到基本图像后，通过在基本图像上分别加上获取的亮区域并减去获取的暗区域达到图像融合的目的，使得融合图像的对比度和图像细节得到明显改善。2、技术方案为了实现这个目的，本发明一种利用多尺度高帽选择变换的图像融合方法，该方法具体步骤如下步骤一定义高帽选择变换中的参数使之能够用于提取图像中的感有效区域，具体定义如下
WTHS(x，y)= (Α 少)—/。少)，if f、x’ y、-f°B(x，y)knL,
BTm^y)=\f*B{x'y)~fix^yl lf其中，WTHS和BTHS分别代表白高帽选择变换和黑高帽选择变换，可分别用于提取图像中的亮区域和暗区域。/o5=(/B均秘，/·万=(/·@5)θ凡
,万=!!^!!…""，·^+^。眷，@和0分别为形态学开、闭、膨胀和腐蚀运算符号。(x，y)和
(u, ν)分别为图像f和结构元素B的像素坐标。nL为高帽选择变换中用于提取图像区域的参数，针对不同类型的图像可选用不同的参数。图像融合的常用原始图像是可见光、红外图像等。针对可见光图像，nL可定为nL = 0. 2X σ ；针对红外图像，nL可定为nL = 0. 4Χ σ。 σ为原始图像的方差。步骤二 多尺度扩展步骤一定义的高帽选择变换，设有η个尺度的结构元素B1, B2, ... , Bn参与计算，双辟…十气’ 1彡i彡η。设用于图像融合的两幅原始图像为
dilation i times
f IR 禾口 f VI °计算每个尺度i (1彡i彡η)下原始图像fIK和fVI中提取得到的多尺度亮区域如下
if w 、 九少)-fiR。辟力，fiR少)-fiR。B1 少)^ nIR [ , else
u,/Trrorr w 、_ fVI。马 O, >0, O, >0 _ fvi。马 0，>0 ^ ^VI [WTHS1(Jvi)Mx, ^)=^。计算每个尺度i (1彡i彡η)下原始图像fIK和fVI中提取得到的多尺度暗区域如下
_7] [BTHS1(Jm)^y)=If f讯·Βα“(Χ,阶 nIR， [BTHS1(Jvi)^, y)= \fvi · B(X,y) “ fvi 江力，lf · B(x,y) - f^ (xJ) - nVI。步骤三按下式计算每一尺度i下提取的A1^n fVI中的用于图像融合的亮区域 (WTHSi)和暗区域(BTHSi)WTHSi = max (WTHSi (fIE)，WTHSi (fVI)}，
BTHSi = max (BTHSi (fIE)，BTHSi (fVI)}。步骤四按下式计算所有η尺度下提取的fIK和fVI中的用于图像融合的亮区域 (RB)和暗区域(RD)rB= max {WTHS1}，
iRD= max [BTHS1}。步骤五按下式计算最后的融合图像fF = RA+RB X pb-RD X pd,其中，
Γ0028-| pb= mean (RB),
x,y
「00291 Pd= mean (如)，
λ,少RA(X,y)J^y)+2f^y\fF是最后的融合图像。3、优点及功效通过设定高帽选择变换的参数使其能够有效提取图像中的有效区域用于图像融合，从而抑制传统方法不能很好地提取原始图像中的有效图像区域的缺点；通过多尺度运算有效提取图像中的多尺度有效区域，并合理地融合各尺度上的亮区域和暗区域从而有效合并原始图像中的有用信息，进一步提高融合图像的效果。因此，本发明可以更好地用于图像融合，使得融合图像的对比度和图像细节得到明显改善，可广泛应用于各类基于图像的应用系统，具有广阔的市场前景与应用价值。
图1为本发明一种利用多尺度高帽选择变换的图像融合方法的流程框图；图2是本发明应用于红外和可见光图像融合的实例并与中心环绕高帽变换方法、 直接平均方法和小波金字塔方法的量化对比结果示意图；图中符号说明如下WTHS表示白高帽选择变换；BTHS表示黑高帽选择变换；fIE和fVI表示用于图像融合的原始图像；fF表示融合结果图像；+表示加法运算；-表示减法运算；Max表示最大值运算；Mean表示平均值运算；pb和pd表示第五步图像融合时的权值。
具体实施例方式为了更好地理解本发明的技术方案，以下结合附图对本发明的实施方式作进一步描述。本发明的流程框图如图1所示，本发明一种利用多尺度高帽选择变换的图像融合方法，该方法的具体实施步骤如下步骤一定义高帽选择变换中的参数使之能够用于提取图像中的有效区域数学形态学是一种重要的图像处理工具。数学形态学运算的基本理论是集合理论，用于数学形态学的两个基本集合是原始图像f和结构元素B。数学形态学运算的两个基本运算是膨胀和腐蚀。设利用结构元素B对图像f进行膨胀、腐蚀可表示为
权利要求
1. 一种利用多尺度高帽选择变换的图像融合方法，其特征在于该方法具体步骤如下步骤一定义高帽选择变换中的参数使之能够用于提取图像中的感有效区域，具体定义如下
全文摘要
一种利用多尺度高帽选择变换的图像融合方法，它有五大步骤一、通过定义高帽选择变换中的参数用于提取图像中的有效区域；二、利用多尺度结构元素通过定义的高帽选择变换提取原始图像多尺度亮区域和暗区域三、针对每一尺度下提取到的不同原始图像的亮区域和暗区域，利用最大值获取每一尺度下对应融合图像的亮区域和暗区域；四、通过取所有尺度上对应融合图像的亮区域或暗区域的最大值来获取用于最后图像融合的亮区域和暗区域；五、利用原始图像平均得到基本图像后，在基本图像上分别加上获取的亮区域并减去获取的暗区域达到图像融合的目的，使得融合图像的对比度和图像细节明显改善。本发明应用于各类基于图像的应用系统，具有广阔的应用前景。
文档编号G06T5/20GK102184534SQ20111013755
公开日2011年9月14日 申请日期2011年5月25日 优先权日2011年5月25日
发明者周付根, 白相志 申请人:北京航空航天大学