[发明专利]基于复数剪切波变换与深度卷积神经网络的图像融合方法在审
| 申请号： | 201810432232.2 | 申请日： | 2018-05-08 |
| 公开（公告）号： | CN108629757A | 公开（公告）日： | 2018-10-09 |
| 发明（设计）人： | 王雷;杨利素;郭全;张胜男 | 申请（专利权）人： | 山东理工大学 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 冯炳辉 |
| 地址： | 255020 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于复数剪切波变换与深度卷积神经网络的图像融合方法，包括步骤：1)对两幅待融合的源图像进行复数剪切波分解，分解过程包括多尺度剖分和方向局部化，分解后得到的是低频子带图像和高频子带图像；2)对得到的高频部分用基于深度卷积神经网络的融合规则进行高频融合，得到所需的高频系数；用引导滤波对低频部分进行融合，得到所需的低频系数；3)对得到融合后的低频系数和高频系数进行复剪切波逆变换，得到所需的融合图像。本发明不仅能较好地显示图像中的目标信息和轮廓特征，而且对比度较高，并保持良好的细节信息而不产生伪影和失真，融合效果较优，相比于其他传统方法有较显著的优势。 | ||
| 搜索关键词： | 剪切波 融合 卷积神经网络 复数 低频系数 高频系数 图像融合 分解 低频子带图像 高频子带图像 轮廓特征 目标信息 融合图像 细节信息 显示图像 多尺度 局部化 逆变换 源图像 滤波 伪影 失真 | ||
【主权项】：
1.基于复数剪切波变换与深度卷积神经网络的图像融合方法，其特征在于，包括以下步骤：1)对两幅待融合的源图像进行复数剪切波分解，分解过程包括多尺度剖分和方向局部化，分解后得到的是低频子带图像和高频子带图像；2)对得到的高频部分用基于深度卷积神经网络的融合规则进行高频融合，得到所需的高频系数；用引导滤波对低频部分进行融合，得到所需的低频系数；3)对得到融合后的低频系数和高频系数进行复剪切波逆变换，得到所需的融合图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东理工大学，未经山东理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810432232.2/，转载请声明来源钻瓜专利网。
