[发明专利]一种基于二维经验模态分解的显微图像融合方法

摘要

本发明涉及一种基于二维经验模态分解的显微图像融合方法，该方法采用二维经验模态分解方法对采集的序列显微源图像进行多尺度分解，获得源图像的多级尺度的高频分量，按照局部显著性准则进行融合处理，并对源图像的低频分量采用主成分分析方法进行融合处理，最后反向重构获取融合图像。本发明采用二维经验模态分解方法对采集的序列显微图像进行多尺度分解，分解过程是自适应的；按照基于区域极大值的局部显著性准则进行高频融合处理，考虑了相邻系数的相关性，可以提取出各幅源图像的聚焦清晰的细节信息；采用主成分分析方法进行低频融合处理，能够很好的利用源图像像素的相关信息，提高融合图像的目视解译效果，使得融合后图像的质量得到提高。

主权项

一种基于二维经验模态分解的显微图像融合方法，该方法采用二维经验模态分解方法对采集的序列显微源图像进行多尺度分解，获得源图像的多级尺度的高频分量，按照局部显著性准则进行融合处理，并对源图像的低频分量采用主成分分析方法进行融合处理，最后反向重构获取融合图像，该方法包括如下步骤：(1)对采集的序列显微源图像X1，X2，...，Xn分别进行二维经验模态分解处理，二维经验模态分解BEMD的过程反映了提取局部最高频、次高频的过程，得到每幅源图像的n级固有模态函数分量IMF和一个残差分量；(2)对不同源图像对应的各级固有模态函数分量IMF中的像素，采用基于区域极大值的局部显著性选择准则进行融合处理，使得将融合后的固有模态函数分量具备所有源图像的清晰聚焦的细节信息；(3)利用主成分分析PCA方法，分别计算出不同源图像对应的残差分量的自适应融合权重，按权重进行残差分量的融合处理；(4)将融合后的各级固有模态函数分量和残差分量反向重构获取融合图像。