[发明专利]基于分块自适应特征跟踪的多传感器图像融合方法

权利要求书

1.一种基于分块自适应特征跟踪的多传感器图像融合方法，其特征在于，在对图像块像素矩阵进行稀疏分解的过程中，在下述情况下，迭代过程终止：

系统残差的迭代收敛速率小于或等于预定的迭代收敛速率阈值，并且系统残差范数小于或等于预定系统残差阈值的平方；

该方法包括如下步骤：

步骤1，将待融合的两幅源图像都划分成图像块，每块图像块大小一致，任何相邻的两块图像块都具有重叠部分；并将每块图像块的像素表示成列向量，得到每块图像块的像素矩阵，即得到源图像的块像素矩阵表示；

步骤2，将每块图像块的像素矩阵去直流分量后进行稀疏分解，得到每块图像块的稀疏分解系数；

步骤3，根据能量最大原则对对应位置的每块图像块的稀疏分解系数进行融合，得到该位置的图像块的融合图像块系数矩阵；

步骤4，对该位置的图像块的融合图像块系数矩阵进行重构，再加上直流分量的重构值，得到该位置的图像块的融合图像块像素矩阵；

步骤5，还原所有位置的图像块的融合图像块像素矩阵，得到最终的融合图像；

其中，待融合的两幅源图像是针对同一场景在不同焦距位置处获得的两幅图像，或者针对同一场景在不同照射光波长的光谱条件下的两幅光谱图像；

所述去直流分量包括计算各个图像块的平均像素值，然后从各个图像块的像素值中减去该平均值，即直流分量是各个图像块的平均像素值；

能量最大原则是将两幅源图像的对应位置图像块的稀疏分解系数绝对值最大者作为融合后图像块对应位置的稀疏分解系数；

重构是重新构成各个图像块的空间像素表示，即将图像块的一维表示还原为二维表示；

预定系统残差阈值为：误差噪声的方差、常数C和列向量维数的算术平方根三者的乘积；

预定的系统稀疏度值为：图像块按行扫描生成的列向量的维数与数值3的比值；

预定的迭代收敛速率阈值为给定的0～1范围的常数；

预定系统残差阈值为

预定的系统稀疏度值为：

预定的迭代收敛速率阈值为cr₀；

其中，ε表示预定系统残差阈值，C表示取值为1.15的常数，σ表示误差噪声的方差，σ取值为1，N为图像块按行扫描生成的列向量的维数，所述；K表示预定的系统稀疏度值，cr₀取值为0.15；

对图像块像素矩阵进行稀疏分解通过利用遵循自适应终止策略的OMP算法进行，包括如下子步骤：

子步骤1，初始化系统残差阈值、预定的迭代收敛速率阈值和系统稀疏度值，令即系统残差等于列向量的初值，设未迭代时索引集为空集；其中，表示第m块图像块在第0次迭代后的系统残差，v_m表示第m块图像块的列向量；

子步骤2，计算出第i次迭代的系统残差和字典矩阵的列之间的内积中最大值所对应的脚标λ_i；其中，i是自然数，用于表示迭代的次数；

子步骤3，利用脚标λ_i更新索引集，Λ_i＝Λ_i-1∪{λ_i}，并记录选择的字典矩阵中重建原子的集合D_i，其中，Λ_i表示新的索引集即第i次迭代后的索引集，Λ_i-1为第i-1次迭代后的索引集，{λ_i}是字典索引的集合，D_i-1是第i-1次迭代后的原子的集合，是由字典索引对应的原子函数；

子步骤4，由最小二乘法得到第i次迭代后，稀疏矩阵系数的估计变量所述稀疏矩阵系数的估计变量即为利用已选择的原子集合D_i对v_m进行最优表示得到的系数值；

子步骤5，更新第i次迭代的残差并更新迭代次数i＝i+1；其中，r_i是指第i次迭代后的系统残差，r_i-1是指第i-1次迭代后的系统残差；

子步骤6，判断系统残差、系统残差的迭代收敛速率和迭代次数是否满足迭代过程的终止迭代条件，如果满足，迭代终止，得到稀疏分解系数；如果不满足，返回子步骤2，继续进行后续子步骤；

具有重叠部分的相邻两块图像块通过滑动窗口技术获得，每次平移两个像素点，即滑动步长为2。