專利名稱:一種基于仿生視覺機(jī)理的多源圖像融合方法
技術(shù)領(lǐng)域:
本發(fā)明涉及本發(fā)明涉及數(shù)字圖像處理、人工生物視覺和計(jì)算機(jī)視覺等多個(gè)應(yīng)用領(lǐng)域,尤其涉及一種基于仿生視覺機(jī)理的多源圖像融合方法。
背景技術(shù):
圖像融合技術(shù)是將對(duì)于同一場(chǎng)景的不同圖像傳感器或同一圖像傳感器使用不同工作參數(shù)拍攝的圖像通過圖像處理的手段組合為一幅圖像,其中集成了來自各幅原始圖像的視覺信息,在醫(yī)療成像、遠(yuǎn)程監(jiān)控、特征識(shí)別、高動(dòng)態(tài)范圍成像、圖像壓縮等方面得到了廣泛的應(yīng)用。基于小波變換的多尺度圖像融合是當(dāng)前普遍采用的方法,它具有很好的重構(gòu)能力,能確保信息不丟失、無冗余。在基于小波變換的融合算法中,小波系數(shù)融合規(guī)則的選取是圖像融合的核心,規(guī)則的好壞直接影響圖像融合質(zhì)量。目前所有融合算法都沒有考慮到圖像的視覺特征。人工成像系統(tǒng)的目的在于重構(gòu)圖像,而對(duì)時(shí)間和空間變化較敏感的仿生視覺系統(tǒng)的目的在于理解和解釋圖像。如果在圖像重構(gòu)過程中能夠模擬仿生視覺原理,則融合后的圖像將能夠獲得更多有意義的信息。通過對(duì)生物視覺的研究結(jié)果表明,同一幅圖像的不同區(qū)域?qū)θ搜鄣拇碳ざ炔煌焖僮兓蟮膮^(qū)域在亮度、顏色和方向上有更高的優(yōu)先權(quán)。在圖像融合的過程中結(jié)合生物視覺的特性,使得融合過程具有視覺選擇性和優(yōu)先性。即在源圖像中有高顯著度的視覺信息,如輪廓和邊緣,在最終的融合結(jié)果中也具有更高的顯著度。傳統(tǒng)的三種方法的設(shè)計(jì)思想
拉普拉斯金字塔方法的設(shè)計(jì)思想是對(duì)原始輸入圖像進(jìn)行高斯低通濾波和隔行隔列的下采樣,得到高斯金字塔的第一層,再對(duì)第一層圖像進(jìn)行低通濾波和下采樣,得到高斯金字塔的第二層;重復(fù)以上過程構(gòu)成高斯金字塔。在高斯金字塔中,求兩層圖像之間的差異可構(gòu)成拉普拉斯金字塔。對(duì)塔上的每一層采用一定的融合規(guī)則計(jì)算它們的融合系數(shù),然后根據(jù)融合系數(shù)重構(gòu)高斯金字塔。基于小波變換的圖像融合的設(shè)計(jì)思想是通過對(duì)已配準(zhǔn)的源圖像進(jìn)行二維離散小波分解,將其分解在不同頻段的不同特征域上,然后在不同的特征域內(nèi)采用不同的融合規(guī)則進(jìn)行融合,構(gòu)成新的小波金字塔結(jié)構(gòu),再用小波逆變換得到融合后圖像的過程。Ren Xianyi等人提出的基于小波變換和視覺注意機(jī)制的圖像融合方法(WT-VAM),該方法的設(shè)計(jì)思想是對(duì)兩幅已配準(zhǔn)的圖像進(jìn)行二維小波離散分解獲得小波分解系數(shù),分別計(jì)算出兩幅圖的視覺顯著圖,利用小波分解系數(shù)和視覺顯著度指導(dǎo)每層的融合,最后進(jìn)行重構(gòu)獲得融合后的圖像,高低頻系數(shù)的選取采用了統(tǒng)一的融合規(guī)則。
發(fā)明內(nèi)容
本發(fā)明為了解決上述現(xiàn)有技術(shù)中的問題,提供了一種基于仿生視覺機(jī)理的多源圖像融合方法。
本發(fā)明為解決這一問題所采取的技術(shù)方案是
本發(fā)明的基于仿生視覺機(jī)理的多源圖像融合方法,該方法具體步驟如下
第一步對(duì)已經(jīng)配準(zhǔn)的兩幅源圖像進(jìn)行二維離散小波分解,分解后的每一層上都有I個(gè)低頻系數(shù)和3個(gè)高頻系數(shù);
第二步計(jì)算每一個(gè)源圖像的顯著圖;由于顯著圖是源圖像的1/8,因此至少需要3層小波分解;
第三步高頻系數(shù)融合根據(jù)各點(diǎn)的全局匹配度,按照選大的策略進(jìn)行選?。坏皖l系數(shù)融合采用顯著圖來指導(dǎo);
第四步對(duì)融合系數(shù)進(jìn)行小波逆變換得到融合圖像。低頻系數(shù)的選取步驟為
(1)能量匹配度這A是源圖像A和B在(x,y)點(diǎn)的小波分解系數(shù),足、均是源圖像A和B在(x,y)點(diǎn)的能量;
權(quán)利要求
1.一種基于CNN的彩色圖像邊緣提取方法,采用CNN模型在對(duì)二值、灰度圖像研究的基礎(chǔ)上對(duì)彩色圖像進(jìn)行有效地邊緣提??;選取RGB彩色空間進(jìn)行處理,并充分考慮人眼的視覺特性與顏色分量之間的矢量角度差,從而得出一種新的顏色距離公式,并以此參數(shù)作為設(shè)定反饋模板與控制模板的重要依據(jù),為CNN的圖像邊緣提取過程提供了重要的參數(shù)依據(jù);其特征在于,該方法具體步驟如下 第一步選取彩色空間,進(jìn)行像素間距離的計(jì)算; 第二步設(shè)定反饋模板A及控制模板B ;根據(jù)顏色距離U與閾值z(mì)關(guān)系確定模板A和B ; 第三步設(shè)定邊緣點(diǎn)判定準(zhǔn)則;對(duì)細(xì)胞神經(jīng)網(wǎng)絡(luò);進(jìn)行穩(wěn)定性及動(dòng)態(tài)性分析,結(jié)合顏色距離U,設(shè)定邊緣點(diǎn)判定準(zhǔn)則; 第四步圖像處理;將彩色圖像代入細(xì)胞神經(jīng)網(wǎng)絡(luò)狀態(tài)方程進(jìn)行迭代,并在迭代的過程中隨時(shí)判斷狀態(tài)細(xì)胞的狀態(tài)是否收斂; 第五步輸出邊緣圖像;如果符合邊緣點(diǎn)判定準(zhǔn)則并且細(xì)胞狀態(tài)收斂,則輸出為邊緣,否則為背景;邊緣用白色表示,背景用黑色表示。
2.根據(jù)權(quán)利要求1所述的基于CNN的彩色圖像邊緣提取方法,其特征在于本方法采用RGB彩色空間;在RGB彩色空間中對(duì)每個(gè)像素與其周圍8個(gè)像素分別計(jì)算距離U,距離公式采用基于視覺感知的矢量角度色差公式
3.根據(jù)權(quán)利要求1所述的基于仿生視覺機(jī)理的多源圖像融合方法,其特征在于,高頻系數(shù)的選取步驟為高頻方向存在顯著大系數(shù),對(duì)應(yīng)圖像中的強(qiáng)邊緣,強(qiáng)區(qū)域輪廓及紋理等,考慮到融合中可能遇到高頻小波系數(shù)來源不一致的問題,引入了全局匹配度的概念,用它來表明兩幅圖像的相關(guān)性,保證小波分解的高頻三個(gè)部分系數(shù)的來源一致,從而確保小波重構(gòu)過程的一致性; (1)1、分別是源圖像A、B在—方向上位置為(m,n)的高頻系數(shù),Efd、E-b是源圖像A、B在區(qū)域Q,中心為(m,n)的區(qū)域能量,是和的匹配度;
全文摘要
本發(fā)明公開了一種基于仿生視覺機(jī)理的多源圖像融合方法。該方法與傳統(tǒng)圖像融合方法的最主要區(qū)別是在圖像融合過程中,使用視覺顯著度圖來指導(dǎo)小波系數(shù)的選取和組合過程。這種方法能夠使經(jīng)融合的結(jié)果圖像保持與原始圖像高低一致的視覺顯著圖以及很高信息含量,更加適合于后端的人眼觀察和機(jī)器視覺分析。
文檔編號(hào)G06T5/50GK103020933SQ20121051811
公開日2013年4月3日 申請(qǐng)日期2012年12月6日 優(yōu)先權(quán)日2012年12月6日
發(fā)明者胡燕翔, 萬莉 申請(qǐng)人:天津師范大學(xué)