一种利用稀疏表征法权重分析的双波段图像融合方法
【专利摘要】本发明公开了一种利用稀疏表征权重分析的双波段图像融合方法，结合稀疏表征法权重分析建模，稳定有效地实现图像融合，有效提高双波段信息的统一表达能力。本发明包括如下步骤：（1）建立中心周围块数据提取机制，利用稀疏表征方法，构建权重分析模型；（2）对双波段图像进行逐个像素求解获取各自的权重分析图Map；（3）设计融合规则，结合权重分析图，实现双波段图像的融合。本发明只需要输入双波段图像，可稳定有效地计算实现图像融合。
【专利说明】一种利用稀疏表征法权重分析的双波段图像融合方法
【技术领域】
[0001]本发明涉及图像处理技术，尤其涉及一种利用稀疏表征法权重分析的双波段图像融合方法。
【背景技术】
[0002]图像融合旨在将多个成像传感器或单一成像传感器所获取的图像信息加以综合，以获得对场景更加准确而全面的描述。在军事光学成像探测、遥感测绘、公共安全监控等应用领域中，不同波段的成像技术的组合具有非常潜在的应用价值:由于各自的成像特性和它们之间具有的良好互补性，人们往往都利用二者的优势协同成像，并利用图像融合的手段对双波段图像信息进行整合，提高图像的理解度和后续处理能力。
[0003]近年来，图像融合的开展得有声有色。基于空域的方法是最为方便、运算效率最高。基于空间域的图像融合方法不需要进行任何分解变换，直接对原图像的数据进行操作。典型的方法包括基于灰度值选择的方法，基于像素权值的方法以及基于PCA的方法等。基于空间域的方法原理较为简单，计算量小，应用也最为广泛，其融合规则往往为基于多尺度分解的方法所借鉴。基于稀疏表示的方法也有所涉及，但一般与识别相结合，且常常不在空域内操作，整体流程更为复杂。
[0004]一般融合方法对图像中显著信息的保留有所不足，往往会降低图像的对比度；此夕卜，不同波段光学成像对探测目标的特征信息具有不同的获取能力，反映在图像上则不同的特征信息，而普通的空域融合方法可能会缺失部分的不同波段的特征，导致信息提取能力的下降。这都影响后续的目标探测与识别等工作的开展。因此，如何建立更合适的图像空域融合方法、在融合图像中充分展现不同波段特征信息是一个重要的研究难题。
【发明内容】
[0005]本发明针对现有技术的不足，提供一种利用稀疏表征权重分析的双波段图像融合方法，一方面利用稀疏表征手段实现图像信息的权重分析而获取权重图，另一方面结合权重图融合双波段图像，使得融合结果凸显潜在目标信息、保留显著信息。
[0006]为解决上述问题，本发明提出一种利用稀疏表征权重分析的双波段图像融合方法，包括:构建中心周围块法稀疏表征思路基础上的权重分析模型；降维设计加速稀疏求解，并按权重分布设计融合思路，最终实现双波段图像融合。
[0007]本发明具体包括以下步骤:
[0008]1、构建中心周围块法稀疏表征思路基础上的权重分析模型
[0009]本发明提出稀疏法权重分析的方法主要在衡量潜在目标区域与背景的差异，而这种差异的获取是通过局部计算的。
[0010](I)中心与周围图像块的选取
[0011]对于图像I中的任意一个像素P，以P为中心向周围扩展像素而选取tXq的图像块g，称为中心块，则P为该块的中心像素；同理，P周围的像素也可以提取出与中心块等大的相应的块，称为周围块h，设定这个周围的范围为以p为中心的扩展的TXQ区域，在这个区域内可获取N个周围块。
[0012]由上已知中心块为g，将这个tXq的灰度块看作一个MX I的向量，其中M = tq。在TXQ区域内的周围空间块比(i = I, 2...N),因为gEKM>:1,那么第i个周围块可以被视
作RM空间的MXl向量，该块的元素为dm= I,2...M0所有的周围块Iii构成一个MXN的字典矩阵 H，H= {h1；h2...hN}0
[0013](2)稀疏表征方程的建立
[0014]本发明用所有的周围块H来表征中心块g，
【权利要求】
1.一种利用稀疏表征权重分析的双波段图像融合方法，其特征在于，包括如下步骤: 步骤一:对于双波段图像I1与I2，利用稀疏表征方法逐个像素的求解获取对应的权重分析图MapJ1与Map_I2 ； 步骤二:采用下述融合规则获取融合图像F:
2.如权利要求1所述的一种利用稀疏表征法权重分析的双波段图像融合方法，其特征在于:步骤一中所述的稀疏表征方法逐个像素求解获取对应的权重分析图的方法如下: (1)对于图像I1中的像素P，即I1(P),首先以P为中心扩展选取对应的txq大小的中心图像块g，并在以P为中心的TXQ区域内选取与中心图像块等尺寸的周围图像块Iii (i =.1,2,...,N);这里P若为边界像素，则原图像需要以P为中心镜像扩展来填补而获取中心块与周围块；区域TXQ包含tXq ; (2)中心图像块和每个周围块都被视作列向量，,，是MXl维度的矩阵，字典矩阵H被定义为H = [hl,h2,..., hN]，H∈RM+N是MXN维度的矩阵;对g、H进行降维处理； g，H可以用下式中投射到特征空间后的量来代替: g = Cg
hj = Chi, H = Lh1, h2...hN] C为特征提取变换算子，经降维后，中心块和每个周围块被视作列向量继续处理，g，hi ∈ RDx1，字典矩阵H被定义为H=[h1,h2,...,hN]，H∈DxN ； (3)求解g的稀疏表征解fQ 利用公式
【文档编号】G06T7/00GK104036478SQ201410260771
【公开日】2014年9月10日 申请日期:2014年6月12日 优先权日:2014年6月12日
【发明者】赵巨峰, 高秀敏, 逯鑫淼, 辛青 申请人:杭州电子科技大学