基于小波變換的圖像融合方法及其系統(tǒng)的制作方法
【專利摘要】一種基于小波變換的圖像融合方法，包括：離散小波變換、高頻圖像處理、低頻圖像處理以及分解圖像融合。本發(fā)明方法能夠?qū)υ磮D像的高、低頻圖像進(jìn)行分別處理，可保留更多的有用信息，能夠得到質(zhì)量更好的融合圖像。
【專利說(shuō)明】
基于小波變換的圖像融合方法及其系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像融合技術(shù)領(lǐng)域，尤其涉及一種基于小波變換的圖像融合方法及其 系統(tǒng)。
【背景技術(shù)】
[0002] 人們出于不同的目的有時(shí)會(huì)對(duì)于同一個(gè)場(chǎng)景拍攝多張圖片。圖像融合技術(shù)可以用 來(lái)對(duì)于同一場(chǎng)景的多張圖片進(jìn)行處理，融合成為一張質(zhì)量更好的圖片，以達(dá)到通過(guò)一張圖 片獲取這一場(chǎng)景更多更有效信息的目的。圖像融合技術(shù)可以用在生活中的各個(gè)領(lǐng)域，比如 遙感、多焦距融合、醫(yī)療圖像融合等等，與人們的生活息息相關(guān)。
[0003] 圖像融合技術(shù)已經(jīng)存在了許多年，現(xiàn)有的技術(shù)比如HIS、PCA融合技術(shù)已經(jīng)可以滿 足日常需求。但是，這兩種方法都有各自的不足之處，在有些場(chǎng)景下不能夠顯示出足夠多的 重要細(xì)節(jié)部分，比如兩種醫(yī)療圖像PET與MRI的融合時(shí)不能同時(shí)保留兩種圖像的優(yōu)勢(shì)細(xì)節(jié)部 分，為了實(shí)現(xiàn)更好的融合效果，融合技術(shù)還是在不斷改進(jìn)以滿足更高的要求。

【發(fā)明內(nèi)容】

[0004] 基于此，針對(duì)上述技術(shù)問(wèn)題，提供一種基于小波變換的圖像融合方法及其系統(tǒng)。
[0005] 為解決上述技術(shù)問(wèn)題，本發(fā)明采用如下技術(shù)方案：
[0006] -種基于小波變換的圖像融合方法，包括：
[0007] 離散小波變換:通過(guò)離散小波變換算法將同一場(chǎng)景的多張圖像分解成多張高頻圖 像以及多張低頻圖像；
[0008] 高頻圖像處理:在所述多張高頻圖像中，取對(duì)應(yīng)相同空間位置的多個(gè)像素點(diǎn)中像 素絕對(duì)值最大的像素點(diǎn)的值作為高頻融合圖像在該空間位置的像素點(diǎn)的值，獲得高頻融合 圖像在每個(gè)空間位置的像素點(diǎn)的值，從而獲得高頻融合圖像；
[0009] 低頻圖像處理:對(duì)多張低頻圖像中對(duì)應(yīng)相同空間位置的多個(gè)像素點(diǎn)進(jìn)行加權(quán)平均 計(jì)算，將加權(quán)平均值作為低頻融合圖像在該空間位置的像素點(diǎn)的值，獲得低頻融合圖像在 每個(gè)空間位置的像素點(diǎn)的值，從而獲得低頻融合圖像；
[0010] 分解圖像融合:通過(guò)逆小波變換算法將所述高頻融合圖像以及低頻圖像融合成一 張圖像。
[0011] 所述離散小波變換步驟通過(guò)matlab的DWT函數(shù)進(jìn)行1-3級(jí)小波變換。
[0012] 所述高頻圖像處理步驟還包括:在所述每個(gè)空間位置的像素點(diǎn)的周圍進(jìn)行3*3的 窗口搜索，若某一像素點(diǎn)周圍的8個(gè)點(diǎn)都取自同一張高頻圖像，則將該像素點(diǎn)的值校正為該 高頻圖像中相應(yīng)像素點(diǎn)的值。
[0013] 本方案還涉及一種基于小波變換的圖像融合系統(tǒng)，包括：
[0014] 離散小波變換單元，用于通過(guò)離散小波變換算法將同一場(chǎng)景的多張圖像分解成多 張高頻圖像以及多張低頻圖像；
[0015] 高頻圖像處理單元，用于在所述多張高頻圖像中，取對(duì)應(yīng)相同空間位置的多個(gè)像 素點(diǎn)中像素絕對(duì)值最大的像素點(diǎn)的值作為高頻融合圖像在該空間位置的像素點(diǎn)的值，獲得 高頻融合圖像在每個(gè)空間位置的像素點(diǎn)的值，從而獲得高頻融合圖像；
[0016] 低頻圖像處理單元，用于對(duì)多張低頻圖像中對(duì)應(yīng)相同空間位置的多個(gè)像素點(diǎn)進(jìn)行 加權(quán)平均計(jì)算，將加權(quán)平均值作為低頻融合圖像在該空間位置的像素點(diǎn)的值，獲得低頻融 合圖像在每個(gè)空間位置的像素點(diǎn)的值，從而獲得低頻融合圖像；
[0017] 分解圖像融合單元，用于通過(guò)逆小波變換算法將所述高頻融合圖像以及低頻圖像 融合成一張圖像。
[0018] 所述離散小波變換單元通過(guò)matlab的DWT函數(shù)進(jìn)行1-3級(jí)小波變換。
[0019] 所述高頻圖像處理單元還用于在所述每個(gè)空間位置的像素點(diǎn)的周圍進(jìn)行3*3的窗 口搜索，若某一像素點(diǎn)周圍的8個(gè)點(diǎn)都取自同一張高頻圖像，則將該像素點(diǎn)的值校正為該高 頻圖像中相應(yīng)像素點(diǎn)的值。
[0020] 本發(fā)明方法能夠?qū)υ磮D像的高、低頻圖像進(jìn)行分別處理，可保留更多的有用信息， 能夠得到質(zhì)量更好的融合圖像。
【附圖說(shuō)明】
[0021] 下面結(jié)合附圖和【具體實(shí)施方式】本發(fā)明進(jìn)行詳細(xì)說(shuō)明：
[0022] 圖1為本發(fā)明的一種基于小波變換的圖像融合方法的流程圖；
[0023] 圖2為本發(fā)明的一種基于小波變換的圖像融合系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0024] 如圖1所示，一種基于小波變換的圖像融合方法，包括：
[0025] S110、離散小波變換:通過(guò)離散小波變換算法將同一場(chǎng)景的多張圖像分解成多張 高頻圖像以及多張低頻圖像。
[0026] 具體地，本實(shí)施例通過(guò)matlab的DWT函數(shù)進(jìn)行1-3級(jí)小波變換，可取得較好的效果。
[0027] 每增加一級(jí)小波變換可以分解出更過(guò)的高頻圖像，以及得到更少冗余信息的低頻 圖像，在一定程度上可以融合出質(zhì)量更好的圖像;但是如果級(jí)數(shù)過(guò)多，那么低頻圖像將會(huì)丟 失過(guò)多的圖像信息，合成后的圖像可能會(huì)損失原圖的信息。所以，最優(yōu)的級(jí)數(shù)在1-3級(jí)之間。 [0028] S120、高頻圖像處理：
[0029] 由于高頻圖像包含的是圖像的邊緣等信息，所以應(yīng)該予以保留。
[0030] 在多張高頻圖像中，取對(duì)應(yīng)相同空間位置的多個(gè)像素點(diǎn)中像素絕對(duì)值最大的像素 點(diǎn)的值作為高頻融合圖像在該空間位置的像素點(diǎn)的值，從而獲得高頻融合圖像在每個(gè)空間 位置的像素點(diǎn)的值，進(jìn)而獲得高頻融合圖像。
[0031] 為了提高融合圖像的質(zhì)量，本步驟還可在每個(gè)空間位置的像素點(diǎn)的周圍進(jìn)行3*3 的窗口搜索，若某一像素點(diǎn)周圍的8個(gè)點(diǎn)都取自同一張高頻圖像，則將該像素點(diǎn)的值校正為 該高頻圖像中相應(yīng)像素點(diǎn)的值。
[0032] 若8個(gè)點(diǎn)不是取自同一張高頻圖像，則保留原值。
[0033] S130、低頻圖像處理：
[0034] 對(duì)多張低頻圖像中對(duì)應(yīng)相同空間位置的多個(gè)像素點(diǎn)進(jìn)行加權(quán)平均計(jì)算，將加權(quán)平 均值作為低頻融合圖像在該空間位置的像素點(diǎn)的值，從而獲得低頻融合圖像在每個(gè)空間位 置的像素點(diǎn)的值，進(jìn)而獲得低頻融合圖像。
[0035]由于低頻段圖像有很多是冗余信息，故這里采用加權(quán)平均源圖片的每個(gè)像素點(diǎn)， 以此來(lái)得到融合圖像的像素值?，F(xiàn)以兩張圖X、Y的融合為例進(jìn)行說(shuō)明：
[0036]每個(gè)低頻段的圖像系數(shù)使用公式（1)計(jì)算，D代表系數(shù)值，W代表權(quán)值，Z是融合后的 圖像，P為像素點(diǎn)：
[0037] Dz(p) =wx(p)Dx(p)+wy(p)Dy(p) (1);
[0038] 計(jì)算融合等級(jí)A，假設(shè)AX〈AY，W是加權(quán)平均窗口，使用公式(2)計(jì)算A，其中，w(s，t) 代表窗口的權(quán)值，并且每個(gè)窗口權(quán)值的和為l，s和t代表水平和豎直方向的下標(biāo)，這里的融 合等級(jí)A使用窗內(nèi)每一個(gè)系數(shù)的高斯區(qū)域方差來(lái)表示，這意味著窗內(nèi)越靠近p點(diǎn)的系數(shù)的權(quán) 值越大，m，η，k，1為高斯窗口的系數(shù)：
[0039] Ai(p)= 2ses,terw(s，t) |Di(m+s，n+t，k，l) I， （2);
[0040] 計(jì)算用來(lái)得到權(quán)值的度量值MXY，使用公式(3)，參數(shù)由公式(1)、（2)計(jì)算得到：
[0041]
牌
[0042] 若MXY大于或者等于一個(gè)閾值α，那么權(quán)值用公式(4)計(jì)算：
[0043]
(4)<··
[0044] 若MXY小于閾值α，那么WY = I，WX = 0。
[0045] S140、分解圖像融合:通過(guò)逆小波變換算法將高頻融合圖像以及低頻圖像融合成 一張圖像。
[0046] 本發(fā)明方法能夠?qū)υ磮D像的高、低頻圖像進(jìn)行分別處理，可保留更多的有用信息， 能夠得到質(zhì)量更好的融合圖像。
[0047] 如圖2所示，本方案還涉及一種基于小波變換的圖像融合系統(tǒng)，包括：
[0048] 離散小波變換單元110,用于通過(guò)離散小波變換算法將同一場(chǎng)景的多張圖像分解 成多張高頻圖像以及多張低頻圖像。
[0049] 具體地，本實(shí)施例通過(guò)matlab的DWT函數(shù)進(jìn)行1-3級(jí)小波變換，可取得較好的效果。
[0050] 每增加一級(jí)小波變換可以分解出更過(guò)的高頻圖像，以及得到更少冗余信息的低頻 圖像，在一定程度上可以融合出質(zhì)量更好的圖像;但是如果級(jí)數(shù)過(guò)多，那么低頻圖像將會(huì)丟 失過(guò)多的圖像信息，合成后的圖像可能會(huì)損失原圖的信息。所以，最優(yōu)的級(jí)數(shù)在1-3級(jí)之間。
[0051] 高頻圖像處理單元120,用于在多張高頻圖像中，取對(duì)應(yīng)相同空間位置的多個(gè)像素 點(diǎn)中像素絕對(duì)值最大的像素點(diǎn)的值作為高頻融合圖像在該空間位置的像素點(diǎn)的值，從而獲 得高頻融合圖像在每個(gè)空間位置的像素點(diǎn)的值，進(jìn)而獲得高頻融合圖像。
[0052]為了提高融合圖像的質(zhì)量，高頻圖像處理單元120還可在每個(gè)空間位置的像素點(diǎn) 的周圍進(jìn)行3*3的窗口搜索，若某一像素點(diǎn)周圍的8個(gè)點(diǎn)都取自同一張高頻圖像，則將該像 素點(diǎn)的值校正為該高頻圖像中相應(yīng)像素點(diǎn)的值。
[0053]若8個(gè)點(diǎn)不是取自同一張高頻圖像，則保留原值。
[0054] 低頻圖像處理單元130,用于對(duì)多張低頻圖像中對(duì)應(yīng)相同空間位置的多個(gè)像素點(diǎn) 進(jìn)行加權(quán)平均計(jì)算，將加權(quán)平均值作為低頻融合圖像在該空間位置的像素點(diǎn)的值，從而獲 得低頻融合圖像在每個(gè)空間位置的像素點(diǎn)的值，進(jìn)而獲得低頻融合圖像。
[0055] 由于低頻段圖像有很多是冗余信息，故這里采用加權(quán)平均源圖片的每個(gè)像素點(diǎn)， 以此來(lái)得到融合圖像的像素值。現(xiàn)以兩張圖x、Y的融合為例進(jìn)行說(shuō)明：
[0056] 每個(gè)低頻段的圖像系數(shù)使用公式（1)計(jì)算，D代表系數(shù)值，W代表權(quán)值，Z是融合后的 圖像，P為像素點(diǎn)：
[0057] Dz(p) =wx(p)Dx(p)+wy(p)Dy(p) (1);
[0058] 計(jì)算融合等級(jí)A，假設(shè)AX〈AY，W是加權(quán)平均窗口，使用公式(2)計(jì)算A，其中，w(s，t) 代表窗口的權(quán)值，并且每個(gè)窗口權(quán)值的和為l，s和t代表水平和豎直方向的下標(biāo)，這里的融 合等級(jí)A使用窗內(nèi)每一個(gè)系數(shù)的高斯區(qū)域方差來(lái)表示，這意味著窗內(nèi)越靠近p點(diǎn)的系數(shù)的權(quán) 值越大，m，n，k，l為高斯窗口的系數(shù):Ai(p)= Xses,teTW(s，t) |Di(m+s，n+t，k，l) I， (2)；
[0059] 計(jì)算用來(lái)得到權(quán)值的度量值MXY，使用公式(3)，參數(shù)由公式(1)、（2)計(jì)算得到：
[0060]
[0061] 若MXY大于或者等于一個(gè)閾值α，那么權(quán)值用公式(4)計(jì)算：
[0062]
[0063] 若MXY小于閾值α，那么WY = I，WX = 0。
[0064] 分解圖像融合單元140,用于通過(guò)逆小波變換算法將高頻融合圖像以及低頻圖像 融合成一張圖像。
[0065] 本發(fā)明方法能夠?qū)υ磮D像的高、低頻圖像進(jìn)行分別處理，可保留更多的有用信息， 能夠得到質(zhì)量更好的融合圖像。
[0066] 但是，本技術(shù)領(lǐng)域中的普通技術(shù)人員應(yīng)當(dāng)認(rèn)識(shí)到，以上的實(shí)施例僅是用來(lái)說(shuō)明本 發(fā)明，而并非用作為對(duì)本發(fā)明的限定，只要在本發(fā)明的實(shí)質(zhì)精神范圍內(nèi)，對(duì)以上所述實(shí)施例 的變化、變型都將落在本發(fā)明的權(quán)利要求書(shū)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于小波變換的圖像融合方法，其特征在于，包括： 離散小波變換:通過(guò)離散小波變換算法將同一場(chǎng)景的多張圖像分解成多張高頻圖像以 及多張低頻圖像； 高頻圖像處理:在所述多張高頻圖像中，取對(duì)應(yīng)相同空間位置的多個(gè)像素點(diǎn)中像素絕 對(duì)值最大的像素點(diǎn)的值作為高頻融合圖像在該空間位置的像素點(diǎn)的值，獲得高頻融合圖像 在每個(gè)空間位置的像素點(diǎn)的值，從而獲得高頻融合圖像； 低頻圖像處理：對(duì)多張低頻圖像中對(duì)應(yīng)相同空間位置的多個(gè)像素點(diǎn)進(jìn)行加權(quán)平均計(jì) 算，將加權(quán)平均值作為低頻融合圖像在該空間位置的像素點(diǎn)的值，獲得低頻融合圖像在每 個(gè)空間位置的像素點(diǎn)的值，從而獲得低頻融合圖像； 分解圖像融合:通過(guò)逆小波變換算法將所述高頻融合圖像以及低頻圖像融合成一張圖 像。2. 根據(jù)權(quán)利要求1所述的一種基于小波變換的圖像融合方法，其特征在于，所述離散小 波變換步驟通過(guò)mat lab的DWT函數(shù)進(jìn)行1 -3級(jí)小波變換。3. 根據(jù)權(quán)利要求1或2所述的一種基于小波變換的圖像融合方法，其特征在于，所述高 頻圖像處理步驟還包括:在所述每個(gè)空間位置的像素點(diǎn)的周圍進(jìn)行3*3的窗口搜索，若某一 像素點(diǎn)周圍的8個(gè)點(diǎn)都取自同一張高頻圖像，則將該像素點(diǎn)的值校正為該高頻圖像中相應(yīng) 像素點(diǎn)的值。4. 一種基于小波變換的圖像融合系統(tǒng)，其特征在于，包括： 離散小波變換單元，用于通過(guò)離散小波變換算法將同一場(chǎng)景的多張圖像分解成多張高 頻圖像以及多張低頻圖像； 高頻圖像處理單元，用于在所述多張高頻圖像中，取對(duì)應(yīng)相同空間位置的多個(gè)像素點(diǎn) 中像素絕對(duì)值最大的像素點(diǎn)的值作為高頻融合圖像在該空間位置的像素點(diǎn)的值，獲得高頻 融合圖像在每個(gè)空間位置的像素點(diǎn)的值，從而獲得高頻融合圖像； 低頻圖像處理單元，用于對(duì)多張低頻圖像中對(duì)應(yīng)相同空間位置的多個(gè)像素點(diǎn)進(jìn)行加權(quán) 平均計(jì)算，將加權(quán)平均值作為低頻融合圖像在該空間位置的像素點(diǎn)的值，獲得低頻融合圖 像在每個(gè)空間位置的像素點(diǎn)的值，從而獲得低頻融合圖像； 分解圖像融合單元，用于通過(guò)逆小波變換算法將所述高頻融合圖像以及低頻圖像融合 成一張圖像。5. 根據(jù)權(quán)利要求4所述的一種基于小波變換的圖像融合系統(tǒng)，其特征在于，所述離散小 波變換單元通過(guò)matlab的DWT函數(shù)進(jìn)行1-3級(jí)小波變換。6. 根據(jù)權(quán)利要求4或5所述的一種基于小波變換的圖像融合系統(tǒng)，其特征在于，所述高 頻圖像處理單元還用于在所述每個(gè)空間位置的像素點(diǎn)的周圍進(jìn)行3*3的窗口搜索，若某一 像素點(diǎn)周圍的8個(gè)點(diǎn)都取自同一張高頻圖像，則將該像素點(diǎn)的值校正為該高頻圖像中相應(yīng) 像素點(diǎn)的值。
【文檔編號(hào)】G06T5/50GK105844606SQ201610165033
【公開(kāi)日】2016年8月10日
【申請(qǐng)日】2016年3月22日
【發(fā)明人】宋高飛, 張偉, 張彩紅, 譙帥, 劉洋
【申請(qǐng)人】博康智能網(wǎng)絡(luò)科技股份有限公司