[发明专利]基于高阶奇异值分解和模糊推理的多聚焦图像融合方法

说明书

技术领域

本发明涉及图像融合及其应用领域，特别是基于奇异值分解和模糊推理的多聚焦图像融合方法。

背景技术

图像融合技术是图像处理领域的研究热点，多聚焦图像融合是图像融合领域的一个重要分支。由于光学成像系统景深的限制，很难将场景内的所有目标全部清晰成像。多聚焦图像融合方法能够将成像设备对某一场景焦距改变所得具有不同焦点图像的清晰部分进行整合，有效提取图像中的互补信息，获得场景中所有对象均清晰的融合图像，这为图像的后续处理奠定了良好的基础。

从目前的研究方法以及多聚焦图像融合分析工具来看主要有两大类方法：一是在空间域完成图像的融合，二是将图像转换变换域内进行融合。系数加权平均是空间域最简单的一种融合方法，方法简单，实时性好。但是融合结果对比度下降，当源图像有较大灰度差异时，融合结果质量欠佳。基于变换域的融合方法将待融合图像执行变换，以变换系数的形式融合图像。变换域的方法利用多分辨率的概念，研究者们提出了基于金字塔，离散小波变换，脊波，轮廓波等变换的融合方法以进行多尺度分解。多分辨率变换域内的系数表示图像的边缘信息，可以检测图像的显著特征，但系数和源图像的像素值没有一一对应的关系，一个系数的改变会影响到几个像素值，在反变换过程中，源图像的信息就会丢失，且由于源图像对融合图像贡献程度的不确定性，多分辨率方法在下采样过程中容易造成融合信息不完全的问题。

基于张量的图像信息处理方法更适合表示高维数据，提取图像的相关信息。高阶奇异值分解是最有效的张量分解技术之一，相比于其他多分辨率变换方法具有优越的性质。高阶奇异值分解具有完全数据驱动的优良特性，不需要设定阈值和参数。高阶奇异值分解的特征系数提供了更丰富的图像纹理信息。

因为高阶奇异值分解的分解系数具有纹理表示能力，所以利用高阶奇异值分解的方法为多聚焦图像融合提供了一种新的途径。

发明内容

本发明的目的在于针对上述现有技术中存在的不足，提出一种基于高阶奇异值分解和模糊推理的多聚焦图像融合方法，从而达到提高多聚焦图像融合效果的目的。

本发明的技术方案包括如下步骤：

1)准备待融合的两幅多聚焦源图像，对两幅多聚焦图像分别进行滑动窗口分块，将分块后I个相互对应的源图像子块形成I个子张量；

2)对子张量进行高阶奇异值分解（HOSVD），得到分解系数；

3)采用基于模糊推理的加权融合规则（WAFR）对分解系数进行融合；

3.1)提取HOSVD分解系数的方差（）、区域能量（）、匹配度（MD_i）三个特征，并将三个特征的值域量化为模糊论域；

3.2)采用Mamdani极小化原理设计模糊融合规则，根据最大隶属度原则对权值进行模糊决策，得到分解系数的加权值，根据加权值得到融合后系数；

4)对步骤3)得到的融合系数进行HOSVD逆变换获得融合图像子块；

5)将步骤4)得到的融合图像子块组合生成最终融合图像。

所述步骤1)，包括如下步骤：