[发明专利]一种基于块分解的多尺度Shearlet域图像融合处理方法

说明书

本发明公开了一种基于块分解的多尺度Shearlet域图像融合处理方法，其包括有如下步骤：步骤S1，将待融合的两幅图像分别进行Shearlet正变换，得到不同尺度、不同方向的Shearlet系数；步骤S2，将不同尺度、不同方向的Shearlet系数分解为多个子块；步骤S3，利用局部方差算法对低尺度Shearlet系数进行融合处理；步骤S4，利用局部能量最大算法对高尺度Shearlet系数进行融合处理；步骤S5，对融合处理后的Shearlet系数进行Shearlet反变换，得到融合后的图像。本发明融合精度更高、融合效果更好，可避免出现块效应现象和模糊现象，有效保护了图像的细节信息、改善了视觉效果以及提高了图像的分辨率，较好地满足了应用要求。

技术领域

本发明涉及图像处理方法，尤其涉及一种基于块分解的多尺度Shearlet域图像融合处理方法。

背景技术

现有技术中，图像融合是将不同成像机理或不同时间获取的同一场景的图像生成一个信息更加丰富的图像，图像融合技术已经在许多领域有着重要的应用，如计算机视觉、医学、遥感、气象以及军事领域都有及极其重要的应用。多聚焦图像可以使远近不同场景聚焦部分更加精确，通过融合使图像的远景和近景更加清晰。不同传感器能够获取图像的不同特征，如红外图像和可见光图像，雷达与红外图像融合，计算机断层扫描CT和核磁共振图像MRI图像。通过对多传感器获取的图像进行融合，可以丰富图像信息、提高分辨率和辨识度，这些技术在军事以及民用领域上都有着十分重要的应用。

图像分解方法的效果直接影响到图像融合的质量，离散余弦变换(DCT)以及小波变换已经广泛应用到图像处理领域。DCT具有简单高效的特点，适合实时处理，然而其融合效果没有小波变换好。在过去的20年间，小波变换以其对一维信号有着精确的表示而得到广泛地应用，然而备受人们诟病的是其一维的优异特性难以拓展到2D或者3D数据。

另一方面，融合准则的设计对融合的效果也尤为重要。在变换域中进行图像融合主要是对不同子带的系数采用不同的融合方法。主要有系数绝对值最大准则平均能量最大准则、以及局部方差准则等。1993年，Burt和Kolczynski提出了一种分窗口的融合准则，而后又出现基于窗口选取的融合方法，然而这些方法会导致块效应的出现。

虽然存在上述融合处理方式，但常规的DCT方法和小波变换方法对图像稀疏表示效果不够好，多方向分辨效果不够好，此外，基于块分解的融合方法会出现块效应，不利于图像融合，难以满足应用需求。

发明内容

本发明要解决的技术问题在于，针对现有技术的不足，提供一种可避免出现块效应现象，同时融合效果好、融合精度高的基于块分解的多尺度Shearlet域图像融合处理方法。

为解决上述技术问题，本发明采用如下技术方案。

一种基于块分解的多尺度Shearlet域图像融合处理方法，其包括有如下步骤：步骤S1，将待融合的两幅图像分别进行Shearlet正变换，得到不同尺度、不同方向的Shearlet系数；步骤S2，将不同尺度、不同方向的Shearlet系数分解为多个子块；步骤S3，利用局部方差算法对低尺度Shearlet系数进行融合处理；步骤S4，利用局部能量最大算法对高尺度Shearlet系数进行融合处理；步骤S5，对融合处理后的Shearlet系数进行Shearlet反变换，得到融合后的图像。

优选地，所述步骤S3中，对低尺度Shearlet系数进行融合处理后，得到图像低频信息中的边缘和纹理特征。

优选地，所述步骤S4中，对高尺度Shearlet系数进行融合处理后，得到图像高频信息中包含轮廓的细节特征。

优选地，所述步骤S2中，将不同尺度、不同方向的Shearlet系数分解为多个大小为N×N的子块Y，对于任意子块Y，其均值μ和方差σ²如下：