[发明专利]一种图像融合方法及装置在审

专利信息
申请号: 202010460793.0 申请日: 2020-05-27
公开(公告)号: CN111709904A 公开(公告)日: 2020-09-25
发明(设计)人: 童佳文;何旋;杨祥勇;乔丽静;苗应亮 申请(专利权)人: 盛视科技股份有限公司
主分类号: G06T5/50 分类号: G06T5/50;G06T7/90;G06F17/14
代理公司: 深圳市深软翰琪知识产权代理有限公司 44380 代理人: 吴雅丽
地址: 518000 广东省深圳市福田区沙头街道天*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 融合 方法 装置
【权利要求书】:

1.一种图像融合方法,其特征在于,所述方法包括:

分别计算两幅图像中各个像素点的融合系数,并根据两幅图像中各个像素点的融合系数分别计算两幅图像的融合系数高斯金字塔;

分别计算两幅图像的拉普拉斯金字塔;

根据两幅图像的融合系数高斯金字塔和对两幅图像的拉普拉斯金字塔进行融合,得到融合后的拉普拉斯金字塔;

根据融合后的拉普拉斯金字塔重构出融合后的图像。

2.如权利要求1所述的图像融合方法,其特征在于,两幅图像中各个像素点的融合系数的计算方式如下:

G1(i)=W1(i)/(W1(i)+W2(i));

G2(i)=W2(i)/(W1(i)+W2(i));

W(i)=C(i)*S(i);

其中,W(i)表示图像第i个像素点的权重值,C(i)表示图像第i个像素点对比度值,S(i)表示图像第i个像素点的饱和度值,W1(i),W2(i)分别表示两幅图像中第i个像素点的的权重值G1(i),G2(i)分别表示两幅图像中第i个像素点的融合系数。

3.如权利要求1所述的图像融合方法,其特征在于,采用如下公式对两幅图像的拉普拉斯金字塔进行融合:

Ln=LPn(1)*Gn(W1)+LPn(2)*Gn(W2),

其中:Ln表示融合后的拉普拉斯金字塔,n表示金字塔的层数,LPn(1)表示第一幅图像的拉普拉斯金字塔LPn(2)表示第二幅图像的拉普拉斯金字塔,Gn(W1)表示第一幅图像的融合系数的高斯金字塔,Gn(W2)表示第二幅图像的融合系数的高斯金字塔。

4.如权利要求1所述的图像融合方法,其特征在于,根据融合后的拉普拉斯金字塔重构出融合后的图像,包括:

根据融合后的拉普拉斯金字塔推导出相应的高斯金字塔;

将推导出的高斯金字塔首层的数据作为融合后的图像数据。

5.如权利要求4所述的图像融合方法,其特征在于,根据融合后的拉普拉斯金字塔推导出相应的高斯金字塔的公式如下:

当n=N时,GN=LPN

当0≤nN时,Gn=LPn+G*n+1,

其中,Gn表示第n层高斯金字塔数据,LPn表示第n层拉普拉斯金字塔数据,N表示金字塔顶层的层数,G*n+1表示第n+1层高斯金字塔进行上采样得到的数据。

6.如权利要求1所述的图像融合方法,其特征在于,还包括:

根据图像的质量对高斯金字塔和拉普拉斯金字塔的层数进行设置。

7.如权利要求1所述的图像融合方法,其特征在于,采用如下方式生成输入图像的高斯金字塔:

G(n)=F下采样(G(n-1)),

其中,n为整数,且n≥0,G(n)表示高斯金字塔的第n层数据,且当n=0时,G(0)为输入图像数据,F下采样(G(n-1))表示对第n-1层高斯金字塔的数据进行卷积和上采样操作。

8.如权利要求1所述的图像融合方法,其特征在于,采用如下方式生成输入图像的拉普拉斯金字塔:

LP(n)=G(n)–F上采样(G(n+1)),

其中,n为整数,且n≥0,LP(n)表示拉普拉斯金字塔的第n层数据,G(n)表示输入图像的高斯金字塔的第i层数据,F上采样(G(n+1))表示对第n+1层高斯金字塔的数据进行卷积和上采样处理。

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盛视科技股份有限公司,未经盛视科技股份有限公司许可,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/pat/books/202010460793.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top