[发明专利]基于复合型PCNN的平稳Surfacelet域多聚焦图像融合方法

说明书

 

技术领域

本发明涉及一种基于复合型PCNN的平稳Surfacelet域多聚焦图像融合方法，属于图像处理技术领域。

背景技术

不同类型光学设备取景有限的特点，造成它们对于同一目标区域内的多个不同景深对象聚焦不同，这些图像表现同一场景的侧重不一样，因此存在互为补充的信息。

多聚焦图像融合可以使多个不同距离的目标物体同时清晰地呈现，这为特征提取、图像识别奠定了良好基础。

多聚焦图像融合方法包括基于空间域的图像融合和基于变换域的图像融合。目前以基于变换域的方法为主，常用的变换域融合方法包括小波变换及多尺度几何分析方法等。

通过小波变换得到的多尺度分解系数之间具有相关性和冗余度低等特点。但是由于小波变换方向选择性不强，小波分析只能有效地处理含“点奇异”的函数类，只具有有限的方向性，无法识别自然图像中固有的线奇异和面奇异，对于边缘系数提取的有效性仍待提高。

基于小波变换的图像融合方法在融合过程中小波变换也不具备平移不变性，会产生伪吉布斯效应，影响融合图像效果。另一方面利用基于离散小波变换的图像融合方法得到的融合图像边缘往往会出现部分断裂现象，边缘的连贯性不好，不利于对细节信息的表现。虽然改进方法可以将断点连接对边缘进行修补，但是不能实现对于间隔较大断点的准确连接，影响图像的轮廓完整性。

发明内容

本发明需要解决的技术问题就在于克服现有技术的缺陷，提供一种基于复合型PCNN的平稳Surfacelet域多聚焦图像融合方法，首先利用Surfacelet变换对已配准的两幅多聚焦源图像进行分解，得到低频系数和高频系数，将所有系数输入复合型PCNN，通过复合型PCNN的双通道PCNN部分选择低频系数，PCNN部分选择高频系数；最后经过Surfacelet逆变换得到融合图像。本发明克服了传统多聚焦图像融合方法的缺陷，改善了融合效果。

为解决上述问题，本发明采用如下技术方案：

本发明提供了一种基于复合型PCNN的平稳Surfacelet域多聚焦图像融合方法，所述方法首先利用Surfacelet变换对已配准的两幅多聚焦源图像进行分解，得到低频系数和高频系数，将所有系数输入复合型PCNN，通过复合型PCNN的双通道PCNN部分选择低频系数，PCNN部分选择高频系数；最后经过Surfacelet逆变换得到融合图像。

所述方法具体步骤为：

1）、图像分解：通过Surfacelet变换分别分解已配准的源图像                                               和，各自获得低频系数和高频系数；

2）、融合：分解系数通过复合型 PCNN制定融合规则选择低频融合系数和高频融合系数；融合过程可以描述如下：

（1）初始化复合型PCNN参数；

（2）将源图像和分解系数输入到复合型PCNN，与反馈系数一起激励神经元；

（3）脉冲发生器根据当前的阈值决定点火事件，记录每次迭代后所有神经元点火情况；

（4）若迭代次数达到n时，停止迭代，n是指网络中设定的迭代次数；

（5）根据点火映射图决定融合系数；

3）、Surfacelet逆变换：通过Surfacelet逆变换，对根据上述步骤确定的融合低频系数和不同尺度下不同方向上的高频系数进行Surfacelet逆变换，得到最终的融合图像。

为了克服传统多聚焦图像融合方法的缺陷，改善融合效果，本发明提出了基于复合型PCNN的Surfacelet变换多聚焦图像融合方法。

Surfacelet变换（ST）具有多方向分解、各向异性和低冗余度等性质。Surfacelet变换分解后得到的方向子带数量更多，图像经小波变换分解后只有28个方向子带，而Surfacelet变换在最精细尺度的方向子带数可以达到192个。Surfacelet对于奇异性的处理实际上是采用不同尺度各向异性的基函数与图像中的边缘奇异性进行相关处理。当图像中某方向上的奇异性与基函数性质一致时，则该奇异性变换后的系数模值较大；反之，则系数模值较小。对某方向提取出来的图像边缘，往往是宽度有限方向一致的奇异性集合，沿边缘奇异性方向，呈现为上升沿与下降沿。对某一方向上的基函数来说，若该基函数的性质与上升沿奇异性一致时，其Surfacelet系数体现为正值；若该基函数对应下降沿，则系数表现为负值。通过这样的处理，保护了图像边缘的连贯性，提供了完整的细节信息。