专利名称：一种基于压缩感知的多聚焦图像融合方法及装置的制作方法
一种基于压缩感知的多聚焦图像融合方法及装置技术领域
本发明公开了一种基于压缩感知的多聚焦图像融合方法及装置，属于图像信号处理技术领域。
背景技术：
对某一场景成像时，由于光学系统的聚焦范围有限，一般的光学成像系统难以对同一场景中不同焦距上的物体都形成清晰的像。当成像系统的焦点聚焦在某个物体上时，它可以在像平面上形成一个清晰的像。这时，位于其它位置上的物体，在像平面上所成的像将呈现出不同程度的模糊。因此，仅依靠成像系统难以得到同一场景中所有物体都清晰的图像。为了更加全面、真实地反映某一场景的信息，希望得到一幅该场景中所有物体都清晰的图像。解决这一问题的一种方法就是对场景中的物体分别进行聚焦，得到多幅该场景的多聚焦图像，然后对这些多聚焦的图像进行融合。图像融合是将传感器在同一时间或不同时间获取的关于某个场景的两个或两个以上的图像或图像序列加以综合，以获得信息更加丰富、更适合于视觉感知或更适合于进一步处理的新图像的信息处理过程，其应用已遍及医学图像、遥感和计算机视觉等。多聚焦图像融合是图像融合的一个重要分支。
在过去的十年间，提出了很多图像融合的方法，主要分为基于单个像素的融合准则和基于区域特征的融合准则。基于单个像素的融合准则虽然比基于区域特征的融合准则简单，但前者有对边缘敏感等缺点。此外，所有的样本都是基于Nyquist采样定理进行采样的，这势必会增加数据存储、计算和处理的负担。因此，近年提出了基于压缩感知(Compressed Sensing, CS)的图像融合方法。CS可以减少计算和传输的损耗,成为图像融合的有效方法。
近年，提出了许多基于CS的图像融合方法。Wan等提出了用2维Fourier矩阵进行观测并采用最大值选取的方法融合观测向量。Li等提出了用2维Fourier矩阵进行观测并采用线性加权平均的方法融合观测向量。然而，Fourier矩阵仅与时域稀疏的信号不相干，应用范围较窄。Luo等提出用相似性分类的思想融合观测向量，但这种方法的计算量很大。Zebhi等提出了基于DCT的稀疏采样方法的图像融合，但当采样矩阵不是正交矩阵时，这种方法的计算量非常大。Luo等提出了一种有效的线性加权平均的融合准则，但该方法没有考虑多聚焦图像的自身特性。
基于CS的图像融合方法有两大关键技术:(I)设计合适的融合准则融合观测向量；⑵设计一种重构算法解决I1-最小化问题。一种好的融合准则应保留源图像的所有显著特征，并且尽可能消除块效应。例如最大值选取(Maximum Selection, MS)准则、标准差加权平均(Standard Deviation Weighted Average, SDffV)准则、熵测度加权平均(EntropyMetrics Weighted Average, EMWV)准则、简单加权平均(Simple Weighted Average, SffV)准则等一些基于CS的多聚焦图像融合方法被提出，但这些融合准则均存在缺点。此外，增广 Lagrangian 法(Augmented Lagrangian Method, ALM)虽可以有效解决 11-最小化问题，但其收敛速度太慢。发明内容
本发明所要解决的技术问题在于克服现有技术不足，提供一种基于压缩感知的多聚焦图像融合方法及装置，采用自适应局部能量测度(ALEM)融合准则对观测向量进行融合，能够提供更高的融合质量。
本发明的基于压缩感知的多聚焦图像融合方法，首先对待融合的两幅图像分别进行压缩采样，得到两幅图像的观测向量；对两幅图像的观测向量进行融合，得到融合观测向量；利用融合观测向量重构出待融合的两幅图像的融合图像；所述对两幅图像的观测向量进行融合，具体按照以下方法:
首先将待融合的两幅图像的观测向量Y1= (U1, U2,…，Um)、y2= (V1, V2,…，Vm)分段表示为 Y1= (U1, U2,...，Up) τ 和 Y2= (V1, V2,...，Vp)τ ;其中，Uj- (U(j-1).q+1，U(j-1).q+2，…，Uj.q)，Vj_ (V (j-1).q+1，V (j-1).q+2，…，Vj.q)，2，…P，P X Q_M ；
然后按照下式分别计算分段向量Uj和Vj的能量匹配度Dj:
权利要求
1.一种基于压缩感知的多聚焦图像融合方法，首先对待融合的两幅图像分别进行压缩采样，得到两幅图像的观测向量；对两幅图像的观测向量进行融合，得到融合观测向量；利用融合观测向量重构出待融合的两幅图像的融合图像；其特征在于，所述对两幅图像的观测向量进行融合，具体按照以下方法: 首先将待融合的两幅图像的观测向量yi=(Ui, U2,…，UM)、y2= (V1, V2,…，Vm)分段表示为 Y1= (U1, U2,…，Up)τ 和 y2= (V1, v2,...，Vp)τ ;其中，Uj= (U(H).q+1, u (^1).q+2,…，Uj.q)τ,Vj- (V(j-1).q+1) V(j-l).q+2>...，Vj.q)，J-1) 2,…P, P X Q-M ； 然后按照下式分别计算分段向量+和\的能量匹配度Dj:
2.如权利要求1所述基于压缩感知的多聚焦图像融合方法，其特征在于，在利用融合观测向量重构出待融合的两幅图像的融合图像时，所述融合图像的稀疏系数 通过求解以下的I1-最小化问题得到:
3.如权利要求1或2所述基于压缩感知的多聚焦图像融合方法，其特征在于，所述压缩采样利用离散小波变换进行稀疏表示；在利用融合观测向量重构出待融合的两幅图像的融合图像时，通过对融合图像的稀疏系数进行反离散小波变换得到。
4.如权利要求1或2所述基于压缩感知的多聚焦图像融合方法，其特征在于，所述压缩采样采用随机高斯矩阵进行观测。
5.一种基于压缩感知的多聚焦图像融合装置，包括压缩采样模块、融合模块以及图像重构模块；所述压缩采样模块用于对待融合图像进行压缩采样，得到待融合图像的观测向量；所述融合模块用于对两幅待融合图像的观测向量进行融合，得到融合观测向量；所述图像重构模块用于对融合观测向量进行图像重构，得到融合图像；其特征在于，所述融合模块对两幅待融合图像的观测向量进行融合，具体按照以下方法: 首先将待融合的两幅图像的观测向量Y1= (U1, U2,…，UM)、Y2= (V1, V2,…，Vm)分段表示为 Y1= (U1, U2,...，％) τ 和 Y2=O1, V2,…，Vp) τ ;其中，Uj_ (U(j-1).q+1，U(j-1).q+2> …，Uj.,Vj_ (V(j-1).q+1) V(j-1).q+2>...，Vj.q)，J-1) 2,…P, P X Q-M ； 然后按照下式分别计算分段向量+和\的能量匹配度Dj:
6.如权利要求5所述基于压缩感知的多聚焦图像融合装置，其特征在于，所述图像重构模块通过快速持续线性增广Lagrangian法求解以下的I1-最小化问题得到融合图像的稀疏系数 :
全文摘要
本发明公开了一种基于压缩感知的多聚焦图像融合方法，属于图像信号处理技术领域。本发明首先对待融合的两幅图像分别进行压缩采样，得到两幅图像的观测向量；对两幅图像的观测向量进行融合，得到融合观测向量；利用融合观测向量重构出待融合的两幅图像的融合图像。本发明采用自适应局部能量测度(ALEM)融合准则对观测向量进行融合，并利用快速持续线性增广Lagrangian法(FCLALM)进行图像重构。本发明还公开了一种基于压缩感知的多聚焦图像融合装置。相比现有技术，本发明可获得更高的图像融合质量，且具有更高的信噪比和更快速的收敛速度。
文档编号G06T5/50GK103164850SQ201310078170
公开日2013年6月19日 申请日期2013年3月11日 优先权日2013年3月11日
发明者杨真真, 杨震 申请人:南京邮电大学