[发明专利]基于直觉可能性集的图像差异特征属性融合有效度分布构造及合成方法

摘要

本发明提出基于直觉可能性集的差异特征属性融合有效度分布构造及合成方法。首先，确定差异特征的类型，计算融合图像与源图像间差异特征幅值的距离，根据算法对各差异特征幅值的融合效果，将其距离分为好、坏、非好非坏3个区间并作为算法对各差异特征融合有效度的直觉可能性集，提出基于直觉可能性集的融合有效度分布构造方法；其次，对于每一差异特征的多个幅值区间，提出一种基于直觉可能性集排序的分布合成方法，计算各算法在差异特征不同幅值区间上的融合有效度得分情况以及算法对各差异特征幅值融合有效度的综合评价值，以此为据对于不同的差异特征，选取融合效果较好的融合算法。

主权项

1.基于直觉可能性集的图像差异特征属性融合有效度分布构造及合成方法，其特征在于包括以下步骤：S1：源图像确定：选取红外光强与偏振场景图作为研究对象；S2：差异特征类型的确定：对比S1中场景图的图像特点以及结合双模态红外光强与偏振图像的成像机理，确定双模态红外图像的差异特征类型，选取灰度均值、标准差、边缘强度和空间频率作为差异特征T；S3：建立差异特征直觉可能性集：设论域X为差异特征幅值的不同取值，将算法对差异特征属性的融合效果好作为1个可能性集则表示当差异特征幅值取值为x时，算法对幅值x融合有效度高的可能性，表示当幅值取值为x时，算法对幅值x融合有效度高的非可能性，即算法对幅值x融合有效度低的可能性，反映了算法对幅值x融合有效度非高非低的可能性；S4：融合图像与源图像间差异特征幅值的距离计算：选取多种融合算法并用选取的融合算法对S1中的源图像进行融合，将S1中的源图像和各种算法融合后的融合图像进行分块处理，得到n个图像块，利用距离测度计算每一图像块中融合图像与源图像间差异特征幅值间的距离，其中，D^X为融合图像与源图像所有图像块差异特征幅值间距离的n维向量，表示融合图像中第i个图像块差异特征幅值的均值，和分别表示红外偏振图像和红外光强图像中第i个图像块差异特征幅值的均值，X为M、SD、EI和SF这4类差异特征，每一种算法融合后的融合图像都通过计算得到D^X；S5：融合有效度分布构造：(1)根据算法对差异特征幅值的融合效果，将融合图像与源图像差异特征幅值间的距离分为3个区间，分别为和(2)将差异特征幅值等分为K个区间，分别统计各幅值区间X_k内包含图像块的总个数以及每一幅值区间内3个距离区间所包含的图像块个数和结合融合图像与源图像差异特征幅值间距离的计算，提出基于直觉可能性集的融合有效度分布构造方法，公式如下：并且有X为M、SD、EI和SF这4类差异特征；(3)利用上述公式计算各融合算法对差异特征幅值的融合有效度，从而得到直觉可能性集的融合有效度分布；S6：直觉可能集排序法：直觉可能性集的得分值和精确值分别是：其中，对于某一算法对差异特征在不同幅值区间上的融合有效度，若得分值越大，说明算法对差异特征在该幅值区间上的排序越高，融合效果越好；而在得分值相同的情况下，精确值越大，则算法对差异特征在相应幅值区间上的排序也越高，根据多个差异特征属性融合有效度分布的合成结果，得出对差异特征融合效果好的算法，进而能够根据差异特征属性的不同，有针对性地选择对该特征融合效果最好的融合算法。