[发明专利]一种基于四阶偏微分和期望值最大的图像融合方法

说明书

本发明涉及一种基于四阶偏微分和期望值最大的图像融合方法，该方法采用四阶偏微分方程将已配准的源图像进行分解，得到近似图像和细节图像，对近似图像采用基于PCA的融合规则来得到高频分量，对细节图像采用基于EM的融合规则来得到低频分量，最后通过组合最终的高频分量和低频分量来重构得到最终的融合结果。与现有技术相比，本发明所获得的融合图像在主观视觉及客观评价指标上具有更高的质量，能够获得更好的融合效果。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种基于四阶偏微分和期望值最大的图像融合方法。

背景技术

多源图像融合技术可明显地改善单一传感器的不足，它能够综合利用来自不同传感器采集到的多特征图像，提高结果图像的清晰度及信息包含量，输出一幅适合计算机进一步分析和处理的融合图像，更符合人类的视觉感受。融合方法根据多尺度融合技术进一步被分为三大类别，分别是基于金字塔变换、小波变换和边缘保留分解的方法。过去的融合算法大多基于拉普拉斯金字塔、梯度金字塔、小波变换等，在图像分解过程中不能有效的保留源图像边缘信息和局部特征。而基于偏微分方程的图像融合方法不仅能够处理重要的几何信息，还能很好的保持图像的局部特征，但基于二阶偏微分方程的融合方法很容易产生块状效应或伪轮廓，视觉效果不够明显，不利于其在更多领域的广泛应用。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于四阶偏微分和期望值最大的图像融合方法。

本发明的目的可以通过以下技术方案来实现：

一种基于四阶偏微分和期望值最大的图像融合方法，该方法包括以下步骤：

一、对源图像进行基于FPDE的分解，获取近似图像和细节图像；

101)将源图像S_VI和S_IR分别进行基于FPDE的分解，FPDE过程保留源图像的低频成分作为近似图像

在Ω集下的连续图像空间中建立以下能量泛函E(u)：

式中，u为源图像的强度函数；

建立梯度下降函数对能量泛函进行求解，对源图像的强度函数u执行FPDE进程：

式中，为扩散系数分布函数，为拉普拉斯算子，c为扩散系数；

对梯度下降函数采用迭代方法进行数值求解，由求解得到的图像强度获取相应的近似图像求解公式为：

式中，为在n+1次迭代和在(i，j)像素位置处的较粗分辨率的图像强度，取决于其先前的n次尺度图像强度Δt为步长，为对图像空间网格大小为h的函数执行的拉普拉斯算子。

102)从源图像中减去近似图像来计算得到细节图像即：

二、采用PCA方法对近似图像进行融合，获取融合后的高频分量：

201)将细节图像作为矩阵γ的列向量；

202)将矩阵γ的每一列作为变量，每一行作为观察值，获取协方差矩阵C_γγ；

203)计算特征值λ₁、λ₂和C_γγ的特征向量和

204)找出最大特征值λ_max，将λ_max对应的特征向量作为最大特征向量φ_max，对φ_max的主成分分量P₁和P₂进行归一化；