基于分塊自適應特征跟蹤的多傳感器圖像融合方法技術

本發明專利技術提供一種基于分塊自適應特征跟蹤的多傳感器圖像融合方法，該方法由如下步驟構成：1將待融合的兩幅源圖像都劃分成圖像塊，并將每塊圖像塊的像素表示成列向量，得到源圖像的塊像素矩陣表示；2將像素矩陣去直流分量后進行稀疏分解，得到每塊圖像塊的稀疏分解系數；3對圖像塊的稀疏分解系數進行融合，得到融合圖像塊系數矩陣；4對圖像塊的融合圖像塊系數矩陣進行重構，再加上直流分量，得到融合圖像塊像素矩陣；5還原所有位置的圖像塊的融合圖像塊像素矩陣，得到最終的融合圖像；其中，稀疏分解中采用一種復合迭代終止策略，對系統殘差、系統殘差迭代收斂速率和系統稀疏度進行綜合控制，從而更為快捷地得到質量更好的融合圖像。

【技術實現步驟摘要】

本專利技術涉及圖像處理
，包括圖像融合、匹配追蹤和信號稀疏分解等，具體涉及一種。
技術介紹
通常來講，圖像融合的目的是將來源于多通道設備或多傳感器所獲得的關于同一物體的圖像數據信息經過圖像處理的相關技術，盡可能的從中提取有用的信息進行融合，最終得到一幅高質量的合成圖像。從而提高圖像信息的利用率，改善原始圖像的空間分辨率和光譜分辨率，為后續的分析和處理提供方便。圖像融合技術在不同領域都有著廣泛應用，大致可分為三種:多聚焦圖像融合、遙感多譜段圖像融合和多模態醫療影像圖像融合。對于多聚焦圖像，為了獲得一個三維場景的清晰的圖像，通常希望通過一次拍攝保留在焦平面上的信息越詳細越好。然而，由于攝像裝置景深的物理限制，這樣的一次拍攝是很難實現的。但是關于同一場景的一組不同焦點的圖像是容易獲得的，通過特定的融合規則將不同焦點位置上的聚焦圖像融合，就可以產生“全聚焦”的圖像。這類圖像融合通常應用在于監視系統、軍事分析、機器視覺和視覺系統增強等方面。另外，在航空航天、氣象和地形測繪、水利建設、城市規劃和實時監控等領域，通常需要將從紅外攝像機獲得的紅外光譜圖像和從數字攝像機上獲得的可見光圖像進行融合。實際上，紅外圖像包含目標檢測和定位信息，可見光圖像往往提供被調查區域的背景信息。通過多光譜圖像融合，可以獲得進一步的數據完整性分析和場景的準確表示。針對圖像融合，研究者提出了各種各樣的融合規則。最簡單的方法是直接對輸入圖像在空間域進行加權平均，但是這樣無法避免地造成細節特征損失和對比度下降等問題。在眾多的信號處理方法中，人們希望找到一種稀疏的信號表示方式，采用稀疏逼近取代原始數據表示可從實質上降低信號處理的成本，提高壓縮效率。近年，超完備的信號稀疏表示理論得到了長足的發展和應用，1993年Mallat和Zhang首次提出了應用超完備冗余字典對信號進行稀疏分解的思想，并引入了匹配追蹤(marching pursuit, MP)算法。和傳統的多尺度變換的信號分解方法相比，基于冗余字典的信號分解是將信號映射到一個經過訓練的過完備(冗余)的字典上，通過一定的迭代從字典中挑選出最佳原子，然后選擇這些原子的線性組合來描述信號。字典的構成沒有任何限制，原則是盡可能好的符合被逼近信號的結構。過完備表示字典中的基準原子數目超過信號的維數，這樣的字典包含豐富的變換基，保證信號更穩定，更有意義的表示。正交匹配追蹤算法(OMP)在MP算法的基礎上，在分解的每一步對所選擇的全部原子進行正交化處理，提高迭代算法的收斂速度。但是，無論是MP算法，還是OMP算法，在處理復雜圖像過程中，不可避免的存在誤差和計算量過大，操作時間過長，效率不高等問題，影響算法的實時性和可操作性。對于源圖像的各個圖像塊而言，其包含的紋理信息是不相同的，有的可能比較平滑，低頻分量多，高頻分量少，有的可能細節比較豐富；如果僅僅采用一種控制機制進行圖像塊的稀疏分解是不合適的。舉例而言，對于誤差控制機制，即在給定逼近誤差下進行稀疏分解，對于圖像細節豐富的圖像塊，為了到達給定誤差，需要分配越來越多的原子函數，特別是在圖像塊的紋理信息和所采用的字典不是太符合的情況下，問題尤其突出，無法獲得稀疏表示，因為即使再增加新的原子函數，對逼近誤差的下降帶來的貢獻也很低。另外，對于稀疏度的控制機制，是指在給定稀疏度要求下的稀疏分解，對于上述圖像細節豐富的圖像塊，它能夠很好的控制其稀疏度，避免使用過多的原子函數進行表示。但是對于平滑的圖像塊就不太合適的，因為對于這類圖像塊稀疏度很低，本來只需要很少量的原子函數就可以完成稀疏表示，但是現在卻浪費了過多的原子函數，影響了算法的執行效率。綜上所述，采用單一的稀疏分解控制機制無法提供高效的圖像稀疏表示的方案。由于上述原因，本專利技術人對現有的圖像融合技術，尤其是OMP算法進行了深入研究，以期待研制出能夠克服上述問題的圖像融合方法。
技術實現思路
為了克服上述問題，本專利技術人進行了銳意研究，結果發現通過改變OMP算法的迭代終止條件，采用一種復合迭代終止策略，對系統殘差、系統殘差迭代收斂速率和系統稀疏度進行綜合控制的方式來改進OMP算法，同時運用該改進的OMP算法對兩幅待融合的源圖像分割成的圖像塊進行稀疏度分解，再依次進行系數融合、系數矩陣的重構和像素矩陣的還原，得到最終的融合圖像，從而完成本專利技術。具體來說，本專利技術的目的在于提供以下方面:(I) 一種，其特征在于，在對圖像塊像素矩陣進行稀疏分解的過程中，在下述情況下，迭代過程終止:迭代次數大于或等于預定的系統稀疏度值；或者，系統殘差的迭代收斂速率小于或等于預定的迭代收斂速率閾值，并且系統殘差范數小于或等于預定系統殘差閾值的平方。(2)根據上述(I)所述的，其特征在于，預定系統殘差閾值為:誤差噪聲的方差、常數C和列向量維數的算術平方根三者的乘積；預定的系統稀疏度值為:圖像塊按行掃描生成的列向量的維數與數值3的比值；預定的迭代收斂速率閾值為給定的O~I范圍的常數。(3)根據上述(I)所述的，其特征在于，預定系統殘差閾值為本文檔來自技高網...

【技術保護點】
一種基于分塊自適應特征跟蹤的多傳感器圖像融合方法，其特征在于，在對圖像塊像素矩陣進行稀疏分解的過程中，在下述情況下，迭代過程終止：迭代次數大于或等于預定的系統稀疏度值；或者，系統殘差的迭代收斂速率小于或等于預定的迭代收斂速率閾值，并且系統殘差范數小于或等于預定系統殘差閾值的平方。

【技術特征摘要】
1.一種基于分塊自適應特征跟蹤的多傳感器圖像融合方法，其特征在于，在對圖像塊像素矩陣進行稀疏分解的過程中，在下述情況下，迭代過程終止: 迭代次數大于或等于預定的系統稀疏度值； 或者，系統殘差的迭代收斂速率小于或等于預定的迭代收斂速率閾值，并且系統殘差范數小于或等于預定系統殘差閾值的平方。2.根據權利要求1所述的基于分塊自適應特征跟蹤的多傳感器圖像融合方法，其特征在于，預定系統殘差閾值為:誤差噪聲的方差、常數C和列向量維數的算術平方根三者的乘積； 預定的系統稀疏度值為:圖像塊按行掃描生成的列向量的維數與數值3的比值； 預定的迭代收斂速率閾值為給定的O~I范圍的常數。3.根據權利要求2所述的基于分塊自適應特征跟蹤的多傳感器圖像融合方法，其特征在于， 預定系統殘差閾值為f = (7.σ.、/--； 預定的系統稀疏度值為.K = 了, 預定的迭代收斂速率閾值為Crtl ； 其中，ε表示預定系統殘差閾值，C表示取值為1.15的常數，σ表示誤差噪聲的方差，σ取值為1，N為圖像塊按行掃描生成的列向量的維數，所述；Κ表示預定的系統稀疏度值，cr0取值為0.15。4.根據權利要求1所述的基于分塊自適應特征跟蹤的多傳感器圖像融合方法，其特征在于，對圖像塊像素矩陣進行稀疏分解通過利用遵循自適應終止策略的OMP算法進行，包括如下子步驟: 子步驟1，初始化系統殘差閾值、預定的迭代收斂速率閾值和系統稀疏度值，令rl = Vm，縣纖H軒動龍雛，m絲細:t弓丨齡錄;財，r:穌Urn塊圖像塊在第O次迭代后的系統殘差，Vm表示第m塊圖像塊的列向量； 子步驟2，計算出第i次迭代的系統殘差和字典矩陣的列之間的內積中最大值所對應的腳標Xi ;其中，i是自然數，用于表示迭代的次數； 子步驟3，利用腳標Xi更新索引集，Ai= Ah U {λ J，并記錄選擇的字典矩陣中重建原子的集合Di, Di =\D ,,其中，Ai表示新的索引集即第i次迭代后的索引集，Ai^1為第1-Ι次迭代后的索引集，{λ J是字典索引的集合，Dp1是第1-Ι次迭代后的原子的集合，&是由字典索引對應的原子函數； 子步驟4，由最小二乘法得到第i次迭代后，稀疏矩陣系數的估計變量$所述稀疏矩陣系數的估計變量.即為利用已選擇的原子集合Di對Vm進行最優表示得到的系數值； 子步驟5，更新第i次迭代的殘差r = r;_1 -DiXi,并更新迭代次數i = i+1;其中，是指第i次迭代后的系統殘差，IV1是指第1-Ι次迭代后的系統殘差； 子步驟6，判斷系統殘差、系統殘差的迭代收斂速率和迭代次數是否滿足迭代過程的終止迭代條件...

【專利技術屬性】
技術研發人員：廖斌，沈靜，劉文召，
申請(專利權)人：華北電力大學，
類型：發明
國別省市：北京;11