CN103413283A - 一种基于二维emd和改进局部能量的多聚焦图像融合方法 - Google Patents
一种基于二维emd和改进局部能量的多聚焦图像融合方法 Download PDFInfo
- Publication number
- CN103413283A CN103413283A CN2013102922714A CN201310292271A CN103413283A CN 103413283 A CN103413283 A CN 103413283A CN 2013102922714 A CN2013102922714 A CN 2013102922714A CN 201310292271 A CN201310292271 A CN 201310292271A CN 103413283 A CN103413283 A CN 103413283A
- Authority
- CN
- China
- Prior art keywords
- imf
- image
- fusion
- local energy
- component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于二维EMD和改进局部能量的多聚焦图像融合方法,首先对源图像进行二维EMD分解,然后采用基于改进局部能量的极大值准则和加权平均融合规则相结合的方法对相应频率段上的本征模函数(IMF)分量进行处理。当对应的两幅源图像二维EMD分解后的IMF分量相位相同时,融合图像对应的IMF分量采用局部能量极大值准则;相位相反时,融合图像对应的IMF分量采用局部能量加权平均方法确定。融合规则克服了传统融合方法对窗口内各个像素包含的独立信息考虑不足的缺点。最后,融合结果通过对融合分量进行二维EMD逆变换得到。因此,将二维EMD和改进局部能量相结合,可以大大提高融合后图像的质量,对应用系统的后续处理和图像显示具有重要意义和使用价值。
Description
技术领域
本发明属于数字图像处理方法,涉及多聚焦图像融合方法,数据信息融合领域,具体涉及一种基于二维EMD和改进局部能量的多聚焦图像融合方法,可以应用于各种军用或民用的多聚焦图像融合系统。
背景技术
多聚焦图像融合是指因镜头聚焦不同而形成的多个图像通过一定处理,得到目标聚焦都清晰的结果图像。
目前常用的多聚焦图像融合方法主要是基于小波变换或者更高层次的小波算法。尽管基于小波的图像融合算法能够非常优秀的将图像分解并得到很好的融合结果,但选取小波基函数[1]一直是很困难的问题。而且基于小波变换的图像融合是对每个像素或小区域的局部特征进行融合,这会导致失去局部特征相关性较强的特性。然而,具有自适应特性的二维经验模态分解(EMD)算法[2,3]能够根据信号特征将信号自适应地进行多尺度分解,产生自适应的基函数,通过Hilbert变换对每一层所分解的函数处理得到分析信号的频率。该算法分解得到的高、低频分量尺度相近、相关性较强。高频显示图像形状特征及轮廓,低频显示图像整体信息。
基于二维EMD的多聚焦图像融合算法的研究[4-6]主要集中在本征模函数(IMF)分量融合规则上,如:绝对值最大准则、局部方差准则、局部梯度准则及局部能量准则等。其中,以区域窗口能量为标度的局部能量准则是一种非常有效的融合方法。由于图像信号绝对强度的变化可以通过局部能量反映,而图像信号强度变化大的点反映了图像的显著特征,但该规则有对窗口内各个像素包含的独立信息考虑不足的缺点。因此使用基于二维EMD和改进局部能量的多聚焦图像融合算法克服了传统的融合算法得到的融合图像存在边缘失真及光谱扭曲的现象。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种基于二维EMD和改进局部能量的多聚焦图像融合方法,能够提高融合后的图像质量,达到理想的实用效果。
技术方案
一种基于二维EMD和改进局部能量的多聚焦图像融合方法,其特征在于步骤如下:
步骤1:采用序贯相似度检测匹配法对两幅聚焦不同的源图像进行图像配准,并利用线性变换方法将两幅源图像的灰度方位映射到一个一致的灰度区间,得到预处理后的两幅图像A和B;
所述的融合规则为:当图像A和图像B的IMF系数与正负符号相同(包含系数为零),按 对图像进行融合,得到融合系数当图像A和图像B的IMF系数与正负符号相反(包含系数为零),按 对图像进行融合,得到融合系数其中与分别为IMF系数在第j级分量的第x行和第y列像素点的值,是由公式 以(x,y)像素为中心的m×n大小邻域的所有像素的局部能量,是由公式 以(x,y)像素为中心的m×n大小邻域的所有像素的局部能量,m×n邻域大小为3×3,其中W在式中为加权模板,取值为
步骤4:对步骤3得到的融合后的分量IMFF(x,y)进行EMD逆变换,得到融合图像。
有益效果
本发明提出的一种基于二维EMD和改进局部能量的多聚焦图像融合方法,首先对源图像进行二维EMD分解,不仅克服了基于小波变换的图像融合局部特征相关性不强的问题,并且避免了传统小波方法小波基函数选取困难的问题。然后采用基于改进局部能量的极大值准则和加权平均融合规则相结合的方法对相应频率段上的本征模函数(IMF)分量进行处理。当对应的两幅源图像二维EMD分解后的IMF分量相位相同时,融合图像对应的IMF分量采用局部能量极大值准则;相位相反时,融合图像对应的IMF分量采用局部能量加权平均方法确定。融合规则克服了传统融合方法对窗口内各个像素包含的独立信息考虑不足的缺点。最后,融合结果通过对融合分量进行二维EMD逆变换得到。因此,将二维EMD和改进局部能量相结合,可以大大提高融合后图像的质量,对应用系统的后续处理和图像显示具有重要意义和使用价值。
附图说明
图1:本发明方法的基本流程图
图2:多聚焦图像融合方法示意图
图3:使用本方法完成多聚焦图像融合的例子
(a)聚焦于左侧的源图像
(b)聚焦于右侧的源图像
(c)理想融合图像
(d)基于二维EMD和极大值准则的融合图像
(e)基于二维EMD和加权平均的融合图像
(f)基于小波变换和局部能量的多聚焦图像融合图像
具体实施方式
现结合实施例、附图对本发明作进一步描述:
用于实施的硬件环境是:Core2CPU2.93GHz计算机,2GB内存,128M显卡,运行的软件环境是:matlab2010b和windows XP。我们用Matlab软件实现了本发明的提出的方法。该实验所用的两幅灰度图像和理想图像取自于www.imagefusion.org。
本发明具体实施如下:
步骤1:采用序贯相似度检测匹配法对两幅聚焦不同的源图像进行图像配准,并利用线性变换方法将两幅源图像的灰度方位映射到一个一致的灰度区间,得到预处理后的两幅图像A和B;
步骤2:对预处理后的图像A进行二维EMD算法分解得到IMF分量对预处理后的图像B进行二维EMD算法分解得到IMF分量
所述的融合规则为:当图像A和图像B的IMF系数与正负符号相同(包含系数为零),按 对图像进行融合,得到融合系数当图像A和图像B的IMF系数与正负符号相反(包含系数为零),按 对图像进行融合,得到融合系数其中与分别为IMF系数在第j级分量的第x行和第y列像素点的值,是由公式 以(x,y)像素为中心的m×n大小邻域的所有像素的局部能量,是由公式 以(x,y)像素为中心的m×n大小邻域的所有像素的局部能量,m×n邻域大小为3×3,其中W在式中为加权模板,取值为
图3为待融合的多聚焦图像和融合处理后的图像,本发明所得的融合结果与其他融合方法所得的融合结果进行对比,评价结果如表1所示。图像的均方根误差(RMSE)越小,表明融合图像和理想图像越接近,融合质量和融合效果越好;信息熵越大表明融合图像包含信息更多,融合结果更好;高的峰值信噪比代表好的融合质量和融合效果。
表1融合结果评价
融合图像 | 均方根误差 | 信息熵 | 峰值信噪比 |
(d) | 15.0543 | 7.2900 | 55.0226 |
(e) | 13.3888 | 7.2967 | 58.0270 |
(f) | 12.144 | 7.4025 | 60.158 |
(g) | 10.7169 | 7.4692 | 63.3835 |
Claims (1)
1.一种基于二维EMD和改进局部能量的多聚焦图像融合方法,其特征在于步骤如下:
步骤1:采用序贯相似度检测匹配法对两幅聚焦不同的源图像进行图像配准,并利用线性变换方法将两幅源图像的灰度方位映射到一个一致的灰度区间,得到预处理后的两幅图像A和B;
所述的融合规则为:当图像A和图像B的IMF系数与正负符号相同(包含系数为零),按 对图像进行融合,得到融合系数当图像A和图像B的IMF系数与正负符号相反(包含系数为零),按 对图像进行融合,得到融合系数其中与分别为IMF系数在第j级分量的第x行和第y列像素点的值,是由公式 以(x,y)像素为中心的m×n大小邻域的所有像素的局部能量,是由公式 以(x,y)像素为中心的m×n大小邻域的所有像素的局部能量,m×n邻域大小为3×3,其中W在式中为加权模板,取值为
步骤4:对步骤3得到的融合后的分量IMFF(x,y)进行EMD逆变换,得到融合图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310292271.4A CN103413283B (zh) | 2013-07-12 | 2013-07-12 | 一种基于二维emd和改进局部能量的多聚焦图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310292271.4A CN103413283B (zh) | 2013-07-12 | 2013-07-12 | 一种基于二维emd和改进局部能量的多聚焦图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103413283A true CN103413283A (zh) | 2013-11-27 |
CN103413283B CN103413283B (zh) | 2016-08-10 |
Family
ID=49606288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310292271.4A Active CN103413283B (zh) | 2013-07-12 | 2013-07-12 | 一种基于二维emd和改进局部能量的多聚焦图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103413283B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854298A (zh) * | 2014-02-13 | 2014-06-11 | 腾讯科技(深圳)有限公司 | 一种图片与二维码融合的方法及终端 |
CN103914835A (zh) * | 2014-03-20 | 2014-07-09 | 宁波大学 | 一种针对模糊失真立体图像的无参考质量评价方法 |
CN104021536A (zh) * | 2014-06-16 | 2014-09-03 | 西北工业大学 | 一种自适应的sar图像和多光谱图像融合方法 |
CN105979151A (zh) * | 2016-06-27 | 2016-09-28 | 深圳市金立通信设备有限公司 | 一种图像处理方法及终端 |
CN106101538A (zh) * | 2016-06-27 | 2016-11-09 | 深圳市金立通信设备有限公司 | 一种图像处理方法及终端 |
CN109767411A (zh) * | 2018-12-27 | 2019-05-17 | 东南大学 | 一种用于多图像融合的二维多元经验模态分解算法 |
CN115200797A (zh) * | 2022-09-19 | 2022-10-18 | 山东超华环保智能装备有限公司 | 一种用于零泄露阀的泄露检测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101968883A (zh) * | 2010-10-28 | 2011-02-09 | 西北工业大学 | 一种基于小波变换和邻域特征的多聚焦图像融合方法 |
WO2013014083A1 (en) * | 2011-07-28 | 2013-01-31 | Paul Scherrer Institut | Method for image fusion based on principal component analysis |
-
2013
- 2013-07-12 CN CN201310292271.4A patent/CN103413283B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101968883A (zh) * | 2010-10-28 | 2011-02-09 | 西北工业大学 | 一种基于小波变换和邻域特征的多聚焦图像融合方法 |
WO2013014083A1 (en) * | 2011-07-28 | 2013-01-31 | Paul Scherrer Institut | Method for image fusion based on principal component analysis |
Non-Patent Citations (4)
Title |
---|
YOUZHI ZHENG ET AL.: "Region-based Image Fusion Method Using Bidimensional Empirical Mode Decomposition", 《JOURNAL OF ELECTRONIC IMAGING》, vol. 18, no. 1, 13 March 2009 (2009-03-13) * |
ZHAO JING ET AL: "Multi-focus Image Fusion Based on NLEMD", 《PROCEEDINGS OF THE IEEE INTERNATIONAL CONFERENCE ON AUTOMATION AND LOGISTICS》, 3 September 2008 (2008-09-03) * |
白超: "基于EMD算法的遥感图像融合方法的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 August 2012 (2012-08-15) * |
谷伟娴: "基于非下采样Contourlet变换的多源图像融合方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 June 2013 (2013-06-15) * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854298A (zh) * | 2014-02-13 | 2014-06-11 | 腾讯科技(深圳)有限公司 | 一种图片与二维码融合的方法及终端 |
CN103914835B (zh) * | 2014-03-20 | 2016-08-17 | 宁波大学 | 一种针对模糊失真立体图像的无参考质量评价方法 |
CN103914835A (zh) * | 2014-03-20 | 2014-07-09 | 宁波大学 | 一种针对模糊失真立体图像的无参考质量评价方法 |
CN104021536B (zh) * | 2014-06-16 | 2017-01-04 | 西北工业大学 | 一种自适应的sar图像和多光谱图像融合方法 |
CN104021536A (zh) * | 2014-06-16 | 2014-09-03 | 西北工业大学 | 一种自适应的sar图像和多光谱图像融合方法 |
CN105979151A (zh) * | 2016-06-27 | 2016-09-28 | 深圳市金立通信设备有限公司 | 一种图像处理方法及终端 |
CN106101538A (zh) * | 2016-06-27 | 2016-11-09 | 深圳市金立通信设备有限公司 | 一种图像处理方法及终端 |
CN105979151B (zh) * | 2016-06-27 | 2019-05-14 | 深圳市金立通信设备有限公司 | 一种图像处理方法及终端 |
CN106101538B (zh) * | 2016-06-27 | 2019-05-14 | 深圳市金立通信设备有限公司 | 一种图像处理方法及终端 |
CN109767411A (zh) * | 2018-12-27 | 2019-05-17 | 东南大学 | 一种用于多图像融合的二维多元经验模态分解算法 |
CN109767411B (zh) * | 2018-12-27 | 2023-08-04 | 东南大学 | 一种用于多图像融合的二维多元经验模态分解算法 |
CN115200797A (zh) * | 2022-09-19 | 2022-10-18 | 山东超华环保智能装备有限公司 | 一种用于零泄露阀的泄露检测系统 |
CN115200797B (zh) * | 2022-09-19 | 2022-12-16 | 山东超华环保智能装备有限公司 | 一种用于零泄露阀的泄露检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103413283B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103413283A (zh) | 一种基于二维emd和改进局部能量的多聚焦图像融合方法 | |
CN102063713B (zh) | 基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法 | |
CN101968883B (zh) | 一种基于小波变换和邻域特征的多聚焦图像融合方法 | |
CN101510309B (zh) | 基于复小波纹理区域合并的改进分水岭sar图像分割方法 | |
CN102890820B (zh) | 基于shearlet变换和维纳滤波的图像去噪方法 | |
CN104021536B (zh) | 一种自适应的sar图像和多光谱图像融合方法 | |
CN104463804B (zh) | 一种基于直觉模糊集的图像增强方法 | |
CN102024266B (zh) | 基于图像结构模型的压缩感知图像重构方法 | |
CN101739671A (zh) | 一种含噪图像的降噪处理方法及系统 | |
CN103413284A (zh) | 一种基于二维emd和遗传算法的多聚焦数字图像融合方法 | |
CN102096913B (zh) | 压缩感知框架下的多策略图像融合方法 | |
CN102722734B (zh) | 一种基于曲波域双边二维主成分分析的图像目标识别方法 | |
CN102306381A (zh) | 基于Beamlet与小波变换的图像融合方法 | |
CN103839243A (zh) | 基于Shearlet变换的多通道卫星云图融合方法 | |
CN101739667B (zh) | 基于非下采样轮廓波变换的遥感图像道路增强方法 | |
CN101719267A (zh) | 一种带噪图像降噪处理方法和系统 | |
CN104616252B (zh) | 基于nsct和pcnn的数字图像增强方法 | |
CN105139362A (zh) | 一种基于频率域的图像增强方法 | |
CN105005987A (zh) | 基于广义gamma分布的SAR图像超像素生成方法 | |
Jiang et al. | A dehazing method for remote sensing image under nonuniform hazy weather based on deep learning network | |
CN104240208A (zh) | 非制冷红外焦平面探测器图像细节增强方法 | |
CN104809714A (zh) | 基于多形态稀疏表示的图像融合方法 | |
CN103679648B (zh) | 一种基于空间分割的矩匹配卫星影像条带噪声去除方法 | |
CN102289793B (zh) | 一种面向游牧服务的多尺度图像处理方法 | |
CN101561879A (zh) | 基于曲波表示的图像欠定盲分离方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180409 Address after: No. 1, Qin Du District, Shaanxi Province, Xianyang City, Shaanxi Patentee after: Shaanxi Zhongke Kai Hang Technology Co., Ltd. Address before: 710072 Xi'an friendship West Road, Shaanxi, No. 127 Patentee before: Northwestern Polytechnical University |