專利名稱：一種基于稀疏線性系統(tǒng)的圖像融合方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字圖像處理技術(shù)領(lǐng)域，特別是一種基于稀疏線性系統(tǒng)的圖像融合方法。
背景技術(shù)：
由于超大規(guī)模集成電路(VLSI)和超高速集成電路(VHSIC)、高精度數(shù)控機(jī)床、計(jì)算機(jī)輔助設(shè)計(jì)和制造，以及其它設(shè)計(jì)和生產(chǎn)的改進(jìn)，傳感器性能大大提高。從20世紀(jì)70年
代起，一門(mén)新興的學(xué)科-多傳感器信息融合(Multisensor Data Fusion)便迅速發(fā)展起
來(lái)。圖像融合(Image Fusion)是指聯(lián)合兩個(gè)或兩個(gè)以上的圖像通過(guò)某種算法得到一幅更高質(zhì)量的新圖像。圖像融合是數(shù)據(jù)融合技術(shù)領(lǐng)域中的一個(gè)重要分支，它的研究具有十分重要的實(shí)際意義。單個(gè)傳感器圖像或者單幅圖像，由于受物理?xiàng)l件的限制和成像環(huán)境的影響，往往不能提供人們所需要的足夠多的信息。例如，全色(Panchromat i c )圖像具有的較高空間分辨率可以對(duì)目標(biāo)進(jìn)行更好的定位，但是低的譜分辨率導(dǎo)致識(shí)別能力較差；反過(guò)來(lái)，多光譜圖像具有較高的譜分辨率可以較好地識(shí)別目標(biāo)，但是低的空間分辨率導(dǎo)致定位不準(zhǔn)確。融合多光譜圖像和全色圖像，可以得到具有較高空間分辨率的多光譜圖像，從而更好地實(shí)現(xiàn)目標(biāo)的識(shí)別和定位等后續(xù)處理。

總的來(lái)說(shuō)，綜合多個(gè)傳感器圖像的信息，可以降低圖像信息的不確定性，增加圖像信息的可靠性、魯棒性，加大信息表達(dá)的范圍和能力，有利于圖像的理解和場(chǎng)景解釋。圖像融合技術(shù)還對(duì)圖像去噪、圖像復(fù)原、圖像超分辨率等其它圖像處理技術(shù)起到促進(jìn)作用。同時(shí)，許多領(lǐng)域中的多傳感器、多時(shí)相、多分辨率和多光譜(超光譜)圖像的大量涌現(xiàn)，為了更好地存儲(chǔ)、處理和利用這些數(shù)據(jù)，迫切要求一門(mén)綜合處理多源圖像的技術(shù)和系統(tǒng)。現(xiàn)在，圖像融合廣泛地應(yīng)用于許多領(lǐng)域，包括遙感、醫(yī)學(xué)影像、人工智能、隱藏武器檢測(cè)、自動(dòng)導(dǎo)航著陸、質(zhì)量和故障檢測(cè)，工業(yè)監(jiān)測(cè)和軍事國(guó)防等
圖像融合方法是圖像融合系統(tǒng)的核心部分。圖像融合方法大致可以分為七類一是彩色相關(guān)的方法；二是數(shù)值方法；三是基于概率統(tǒng)計(jì)的方法；四是基于多尺度分解的方法 ’五是神經(jīng)網(wǎng)絡(luò)融合方法；六是基于譜分離的方法；七是變分融合方法。其中Sharama在對(duì)圖像融合作了深刻的分析的基礎(chǔ)上提出了一種新的概率模型及參數(shù)估計(jì)方法。Zhang及Blum以在數(shù)字相機(jī)的應(yīng)用為背景總結(jié)了基于多尺度分解的圖像融合算法。Mohammad-Djafari則論述了貝葉斯估計(jì)方法在圖像中的應(yīng)用。在這些算法中，其中基于多尺度分解的方法得到最為廣泛的應(yīng)用，其融合過(guò)程分為多尺度分解、信息轉(zhuǎn)移和多尺度重建等三個(gè)步驟。使用多尺度分解的圖像融合方法，融合之前先要對(duì)多光譜圖像進(jìn)行插值以使它的尺寸跟全色圖像一樣。然后，再將全色圖像的細(xì)節(jié)信息融入到插值之后的多光譜圖像中。這樣，融合得到的多光譜圖像就具有了更高的分辨率了 ；同時(shí)光譜圖像的譜信息也會(huì)被保留。但是，這些方法沒(méi)有意識(shí)到一點(diǎn)尺寸相同并不等于尺度相同。雖然全色圖像和插值的多光譜圖像具有相同的尺寸，但是顯然的是后者的實(shí)際分辨率要低于前者。這時(shí)，兩者的信息并不處于同一尺度空間，直接的融合可能導(dǎo)致信息的失真和扭曲，從而降低融合質(zhì)量。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的主要目的在于提供一種基于自適應(yīng)分解和多尺度基本形式的圖像融合方法，在圖像自適應(yīng)分解的基礎(chǔ)上，解決以往圖像融合沒(méi)有考慮待融合的高分辨率圖像和高光譜圖像尺度不一致的問(wèn)題，達(dá)到改進(jìn)圖像融合效果的目的。為達(dá)到上述目的，本發(fā)明提供了一種基于稀疏線性系統(tǒng)的圖像融合方法，包括對(duì)多譜圖像進(jìn)行IHS變換；高分辨率圖像求取其極值點(diǎn)；基于多譜圖像的亮度部分、高分辨率圖像和高分辨率圖像的極值點(diǎn)構(gòu)造稀疏線性方程組求取上下包絡(luò)；根據(jù)上下包絡(luò)求取其平均包絡(luò)；根據(jù)平均包絡(luò)求取高分辨率圖像中包含而多譜圖像缺乏的高頻信息；對(duì)多譜圖像的亮度部分注入高頻信息；應(yīng)用逆IHS變換得到最終結(jié)果。從上述技術(shù)方案可以看出，本發(fā)明具有以下有益效果1、本發(fā)明提供的基于稀疏線性系統(tǒng)的圖像融合方法，使融合的信息在尺度空間具有一致性，提高了高分率全色圖像和低分辨率多光譜圖像的融合效果。2、本發(fā)明提供的基于稀疏線性系統(tǒng)的圖像融合方法，通過(guò)從全色圖像獲得的高分辨率信息，多光譜圖像的空間分辨率得到提高，輸入圖像的譜信息通過(guò)多光譜圖像I部分得到保持。3、本發(fā)明提供的基于稀疏線性系統(tǒng)的圖像融合方法，首次提出應(yīng)用圖像特征構(gòu)造稀疏線性方程的解決圖像融合的方法，是一種自適應(yīng)方法，一般的融合方法都是直接融合低分辨率多光譜圖像與高分辨率全色圖像以得到高分辨率的光譜圖像，而沒(méi)有考慮圖像本身的特點(diǎn)。本發(fā)明提供的基于稀疏線性系統(tǒng)的圖像融合方法，沒(méi)有直接對(duì)輸入圖像進(jìn)行融合，而是通過(guò)高分辨圖像的極值點(diǎn)與輸入圖像求取多光譜圖像缺乏的高頻信息，然后使其與低通多光譜圖像亮度部分進(jìn)行融合，取得了更好的實(shí)驗(yàn)效果。4、本發(fā)明提供的基于稀疏線性系統(tǒng)的圖像融合方法，與基于小波的圖像融合方法相比，本方法效果更優(yōu)。


圖1是本發(fā)明方法流程 圖2是圖像分解結(jié)果 圖3是一副圖像融合結(jié)果 圖4是另一幅圖像融合結(jié)果圖。
具體實(shí)施例方式下面結(jié)合附圖及實(shí)例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。本發(fā)明提供的基于自適應(yīng)分解和多尺度基本形式的圖像融合方法，其基本思想為對(duì)多光譜圖像進(jìn)行IHS變換，將其變換到IHS空間。對(duì)全色圖像和多光譜圖像的I部分聯(lián)合構(gòu)造稀疏線性方程對(duì)全色圖像進(jìn)行自適應(yīng)分解，得到其低頻信息與高頻信息。因?yàn)槠鋵?duì)應(yīng)的低頻信息的尺度與多光譜圖像接近，其得到的高頻相對(duì)于多譜圖像來(lái)說(shuō)冗余信息最少，對(duì)于圖像融合來(lái)說(shuō)，這種尺度相近的融合效果更好。然后基于稀疏線性方程的分解得到的全色圖像高頻信息與多光譜圖像的I部分進(jìn)行求和并進(jìn)行灰度調(diào)整得到融合結(jié)果的I部分，結(jié)合多光譜圖像的H部分和S部分，將其變換至RGB空間，得到融合結(jié)果。如圖1所示，圖1是依照本發(fā)明實(shí)施例基于線性稀疏方程的圖像融合方法流程圖，該方法主要包括兩個(gè)重要的模塊1.圖像多尺度分解模塊；2.圖像融合模塊。首先簡(jiǎn)要介紹輸入信息和IHS變換及IHS逆變換；
0.輸入信息及IHS變換及IHS逆變換；
輸入高分辨率圖像Ji ,多光譜圖像M , MO,:, 1)^(:,:,2)^(:,:,3)分別力的RGB三通道。IHS和IHS逆變換對(duì)多光譜圖像進(jìn)行IHS變換，IHS (Intensity, Hue,Saturation)分別表示亮度或強(qiáng)度、色調(diào)和飽和度，是認(rèn)識(shí)顏色的三個(gè)特征。亮度是指人眼對(duì)光源或物體明亮程度的感覺(jué)，一般來(lái)說(shuō)與物體的反射率成正比。色調(diào)，也稱色別，是指彩色的類別，是彩色彼此相互區(qū)分的特征。IHS變換和逆IHS變換如下
權(quán)利要求
1.一種基于稀疏線性系統(tǒng)的圖像融合方法，其特征在于該方法具體是 將全色圖像和多光譜圖像的亮度部分進(jìn)行全色圖像的自適應(yīng)分解，得到保持多光譜圖像譜信息和全色圖像；將高頻信息注入到多光譜圖像的亮度部分進(jìn)行融合，得到待融合結(jié)果的亮度部分，并將待融合結(jié)果的亮度部分和多光譜圖像的色度部分、對(duì)比度部分進(jìn)行逆HIS變換轉(zhuǎn)化到RGB空間得到最后的融合結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于稀疏線性系統(tǒng)的圖像融合方法，其特征在于基于全色圖像和多光譜圖像的亮度部分構(gòu)造稀疏線性系統(tǒng)對(duì)全色圖像進(jìn)行自適應(yīng)分解，得到多光譜圖像缺乏的高頻信息，具體是 對(duì)全色圖像求取其極值點(diǎn)，根據(jù)其極值點(diǎn)、全色圖像和多光譜圖像的亮度部分構(gòu)造上下包絡(luò)圖像，根據(jù)上下包絡(luò)圖像求取其平均包絡(luò)圖像，也即是其低頻信息，以高分辨率全色圖像減去低頻信息得到對(duì)應(yīng)的高頻信息。
3.根據(jù)權(quán)利要求2所述的一種基于稀疏線性系統(tǒng)的圖像融合方法，其特征在于根據(jù)極值點(diǎn)信息構(gòu)造的線性方程需要體現(xiàn)以下的關(guān)鍵信息1.在全色圖像的極值點(diǎn)位置，得到包絡(luò)圖像的值應(yīng)該等于全色圖像的極值點(diǎn)；2.在非極值點(diǎn)位置的灰度變化應(yīng)該與多光譜圖像的亮度部分相同；3.根據(jù)上下包絡(luò)面求取平均包絡(luò)，其代表的含義是全色圖像中包含的多光譜圖像的低頻信息；4.應(yīng)用全色圖像與求取的低頻信息做差得到全色圖像的高頻信息，且這些高頻信息是多光譜圖像所缺乏的。
全文摘要
本發(fā)明涉及數(shù)字圖像處理技術(shù)領(lǐng)域，公開(kāi)了一種基于稀疏線性系統(tǒng)的圖像融合方法，包括多光譜圖像進(jìn)行IHS變化得到其亮度信息，對(duì)全色圖像求取極值，根據(jù)全色圖像、多光譜圖像的亮度分量以及全色圖像的極值點(diǎn)構(gòu)造稀疏線性系統(tǒng)，基于稀疏線性系統(tǒng)求取平均包絡(luò)，基于平均包絡(luò)得到包含在全色圖像內(nèi)而多譜圖像缺乏的高頻信息；將得到的高頻信息注入多光譜亮度分量得到融合結(jié)果的亮度分量，并將該融合結(jié)果的亮度分量和、多光譜圖像的色度分量和飽和度分量進(jìn)行逆IHS變換，得到融合結(jié)果。利用本發(fā)明，提高了高分率全色圖像和低分辨率多光譜圖像的融合效果。
文檔編號(hào)G06T5/00GK103065282SQ20121058176
公開(kāi)日2013年4月24日 申請(qǐng)日期2012年12月27日 優(yōu)先權(quán)日2012年12月27日
發(fā)明者王浩華, 謝啟偉 申請(qǐng)人:浙江大學(xué)