[发明专利]一种基于仿生视觉机理的多源图像融合方法

说明书

技术领域

本发明涉及本发明涉及数字图像处理、人工生物视觉和计算机视觉等多个应用领域，尤其涉及一种基于仿生视觉机理的多源图像融合方法。

背景技术

图像融合技术是将对于同一场景的不同图像传感器或同一图像传感器使用不同工作参数拍摄的图像通过图像处理的手段组合为一幅图像，其中集成了来自各幅原始图像的视觉信息，在医疗成像、远程监控、特征识别、高动态范围成像、图像压缩等方面得到了广泛的应用。

基于小波变换的多尺度图像融合是当前普遍采用的方法，它具有很好的重构能力，能确保信息不丢失、无冗余。在基于小波变换的融合算法中，小波系数融合规则的选取是图像融合的核心，规则的好坏直接影响图像融合质量。

目前所有融合算法都没有考虑到图像的视觉特征。人工成像系统的目的在于重构图像，而对时间和空间变化较敏感的仿生视觉系统的目的在于理解和解释图像。如果在图像重构过程中能够模拟仿生视觉原理，则融合后的图像将能够获得更多有意义的信息。通过对生物视觉的研究结果表明，同一幅图像的不同区域对人眼的刺激度不同，快速变化大的区域在亮度、颜色和方向上有更高的优先权。在图像融合的过程中结合生物视觉的特性，使得融合过程具有视觉选择性和优先性。即在源图像中有高显著度的视觉信息，如轮廓和边缘，在最终的融合结果中也具有更高的显著度。

传统的三种方法的设计思想：

拉普拉斯金字塔方法的设计思想是：对原始输入图像进行高斯低通滤波和隔行隔列的下采样，得到高斯金字塔的第一层，再对第一层图像进行低通滤波和下采样，得到高斯金字塔的第二层；重复以上过程构成高斯金字塔。在高斯金字塔中，求两层图像之间的差异可构成拉普拉斯金字塔。对塔上的每一层采用一定的融合规则计算它们的融合系数，然后根据融合系数重构高斯金字塔。

基于小波变换的图像融合的设计思想是：通过对已配准的源图像进行二维离散小波分解，将其分解在不同频段的不同特征域上，然后在不同的特征域内采用不同的融合规则进行融合，构成新的小波金字塔结构，再用小波逆变换得到融合后图像的过程。

Ren Xianyi等人提出的基于小波变换和视觉注意机制的图像融合方法(WT-VAM)，该方法的设计思想是：对两幅已配准的图像进行二维小波离散分解获得小波分解系数，分别计算出两幅图的视觉显著图，利用小波分解系数和视觉显著度指导每层的融合，最后进行重构获得融合后的图像，高低频系数的选取采用了统一的融合规则。

发明内容

本发明为了解决上述现有技术中的问题，提供了一种基于仿生视觉机理的多源图像融合方法。

本发明为解决这一问题所采取的技术方案是：

本发明的基于仿生视觉机理的多源图像融合方法，该方法具体步骤如下：

第一步：对已经配准的两幅源图像进行二维离散小波分解，分解后的每一层上都有1个低频系数和3个高频系数；

第二步：计算每一个源图像的显著图；由于显著图是源图像的1/8,因此至少需要3层小波分解；

第三步：高频系数融合根据各点的全局匹配度，按照选大的策略进行选取；低频系数融合采用显著图来指导；

第四步：对融合系数进行小波逆变换得到融合图像。

低频系数的选取步骤为：

(1)能量匹配度：                                                、是源图像A和B在(x,y)点的小波分解系数，、是源图像A和B在(x,y)点的能量；

(2)显著度：显著度、是源图像A和B在(x, y)位置上所对应的显著性大小；

(3)融合规则：如果能量匹配度小于相似性阈值，融合系数选择两幅图像中的最大的小波系数；若能量匹配度大于相似性阈值，说明该位置的信息很重要，则融合系数采用加权平均的方法来获得，权重是由显著度来决定的；

高频系数的选取步骤为：

高频方向存在显著大系数，对应图像中的强边缘，强区域轮廓及纹理等，考虑到融合中可能遇到高频小波系数来源不一致的问题，引入了全局匹配度的概念，用它来表明两幅图像的相关性，保证小波分解的高频三个部分系数的来源一致，从而确保小波重构过程的一致性；

(1)、分别是源图像A、B在 方向上位置为(m,n)的高频系数，、是源图像A、B在区域Q,中心为(m,n)的区域能量，是和的匹配度；