[发明专利]一种基于双向迭代优化的图像融合方法

摘要

一种基于双向迭代优化的图像融合方法，它包括以下步骤：一、将获取的可见光与红外图像、电脑断层扫描医学图像与磁共振医学图像输入到计算机中；二、处理可见光与红外图像、CT医学图像与MRI医学图像计算得到源图像间的相关矩阵和距离矩阵，并设置好迭代步长；三、依据图像融合判定标准得到迭代约束条件；四、利用步骤二、三中得到的变量以及约束条件，得到优化目标函数，实现图像融合过程，得到融合后的图像；通过以上步骤，本发明中的双向迭代优化法在可见光与红外图像、医学图像上的融合结果都取得很好的视觉效果，融合用时保留了更多的图像信息，妥善的解决了实际应用问题，具有广阔的市场前景。

主权项

1.一种基于双向迭代优化的图像融合方法，其特征在于：它包括以下具体步骤：步骤一、将获取的可见光与红外图像、电脑断层扫描医学图像即CT医学图像与磁共振医学图像即MRI医学图像输入到计算机中；可见光与红外图像、CT医学图像与MRI医学图像是通过数字成像设备获取的，将产生源图像分别读入到计算机中，这些数据信息是进行图像融合的基础；步骤二、处理可见光与红外图像、CT医学图像与MRI医学图像计算得到源图像间的相关矩阵和距离矩阵，并设置好迭代步长；针对步骤一中可见光与红外图像、CT医学图像与MRI医学图像分别进行计算，分为以下几个步骤实现：对源图像统称为图像S和图像T；2.1利用可见光与红外图像、CT医学图像与MRI医学图像分别进行计算源图像间的相关矩阵，相关矩阵是由矩阵各列间的相关系数构成的，相关矩阵第i行第j列的元素是源图像矩阵第i列和第j列的相关系数；相关矩阵取源图像的归一化协方差矩阵，协方差矩阵的各元素对应于两个图像中任意列向量的协方差，相关矩阵cov(S，T)如下式：其中cov(S，T)为图像S与图像T之间的相关矩阵，为列向量S_i与T_j之间的协方差，S_i与T_j为源图像S与T的列向量，n为源图像的维度，与为平均列量，为协方差的最大值；相关矩阵cov(S，T)和cov(T，S)以两个源图像矩阵的像素值之间的协方差为基础，分别表示两个源图像之间的相关性，表示了融合图像具体图像细节的度量；2.2利用可见光与红外图像、CT医学图像与MRI医学图像分别进行计算源图像间的距离矩阵；距离矩阵是一个包含对应位置像素点的两两之间的像素值距离的矩阵，以距离矩阵作为两个源图像迭代出融合图像的依据，距离矩阵形式如下：其中，△(S,T)和△(T,S)分别表示像素矩阵S与像素矩阵T之间的像素值的差；和相关矩阵的作用不同，这里的距离矩阵表示图像之间的像素值的差，确定了图像融合的融合方向，决定了图像整体轮廓的融合；设置迭代步长，迭代步长的大小会对融合图像的熵产生一定的影响；步骤三、依据图像融合判定标准得到迭代约束条件；通过对图像融合判定标准的分析，得到迭代的约束条件如下：min||F(S)‑F(T)|| (3)其中，F(S)与F(T)为迭代产生的图像；步骤四、利用步骤二和步骤三中得到的变量以及约束条件，得到优化目标函数，对源图像采用迭代更新的思路进行融合，实现图像融合过程，得到融合后的图像；4.1设计优化目标函数，采用迭代更新的思路，把相关性矩阵和距离矩阵作为更新迭代变量的依据，利用迭代优化模型进行交替优化运算；采用融合评价标准作为约束条件，基于约束条件，设计了逆问题恢复模型，寻求最优的融合图像；对于源图像S与源图像T来说，优化目标函数如下式：其中，F(S)与F(T)为迭代过程中产生的图像，m与n为迭代步长，△(S,T)与△(T,S)为图像像素值的差，cov(S,T)指源图像S指向T的相关矩阵，cov(T,S)指源图像T指向S的相关矩阵；4.2根据优化目标函数实现图像融合过程，得到融合后的图像。