CN104376546A - 基于dm642的三路图像金字塔融合算法的实现方法 - Google Patents

Abstract

本发明提供一种基于DM642的三路图像金字塔融合算法的实现方法，涉及光电图像处理技术领域，用于解决现有技术中还未有能够直接有效实施三路图像的融合算法的问题，该方法包括步骤：实时采集三路传感器当前帧图像并在DM642中缓存；分别构造当前缓存的三路传感器的当前帧图像的高斯金字塔图像；分别构造三路传感器的当前帧图像的拉普拉斯金字塔图像；对三路传感器的当前帧图像的拉普拉斯金字塔图像的对应级进行融合得到融合图像拉普拉斯金字塔；对融合图像拉普拉斯金字塔进行重构运算。上述方案中，基于DM642软硬件资源，实时实现了三路图像尤其是中波红外、长波红外和可见光图像的拉普拉斯金字塔融合。

Description

基于DM642的三路图像金字塔融合算法的实现方法

技术领域

本发明涉及光电图像处理技术领域，特别是指一种基于DM642的三路图像金字塔融合算法的实现方法。

背景技术

图像融合是采用某种算法对两幅或多幅不同的图像进行综合与处理，最终形成一幅新的图像。其目的是通过对多幅图像信息的提取与综合，从而获得对同一场景/目标的更为准确、更为全面、更为可靠的图象描述。根据融合处理所处的不同阶段，图像融合可分为三个层次：像素级、特征级和决策级融合。像素级图像融合指的是直接对各幅图像的像素点进行信息综合的过程。特征级图像融合是对图像进行特征抽取后，将边沿、形状、轮廓等信息进行综合处理的过程。而在进行决策级图像融合前，每种传感器已经独立地完成了决策或分类任务，融合工作实质上是做出全局的最优决策。

目前，大部分融合算法都是在像素级展开的，主要有：加权平均法、逻辑滤波法、多分辨金字塔算法、小波变换法、卡尔曼滤波算法等。在上述几种算法中，加权平均法易实时实现，但效果不理想。多分辨塔式图像融合算法中的高斯-拉普拉斯金字塔和高斯-对比度金字塔是效果比较好的两种方法。但对比度金字塔因为重构时的乘法关系，导致了在融合灰度相差较大的图像时会带来较明显的灰度失真，而且对比度金字塔算法中有除法运算，使得整个算法的运算量比拉普拉斯金字塔算法大许多。小波变换效果较好，但由于该算法主要是基于Matlab算法实现的，大量的卷积运算使得该算法计算量大，计算复杂度高，对存储空间的要求高，不利于硬件实现。综合考虑算法效果和硬件实现难度，目前主要采用拉普拉斯金字塔算法作为实时图像融合实现算法。

在多路图像融合算法实现方面，当前主要是采取以下三种方案：①单DSP(数字信号处理器)或多DSP并行处理方案。该方案通过单个或多个高性能的信号处理器件来实现相应的预处理与融合算法。②DSP+FPGA处理方案。③大规模FPGA处理方案。该方式通过FPGA器件内部所带的丰富的逻辑资源、加法器和乘法器等资源来实现预处理与融合算法。但是，目前业内只有理论上的多路图像拉普拉斯金字塔融合算法，仍未有能够实现该算法的有效方法，尤其是针对中波红外、长波红外和可见光三路图像的融合处理方法，这给实际的多路图像融合工作带来了一定的困难，因此，急需一种能够实现多路图像尤其是中波红外、长波红外和可见光三路图像的融合的实际方法。

发明内容

为了解决现有技术中还未有能够直接有效实施三路图像的融合算法的问题，本发明提供一种基于DM642的三路图像金字塔融合算法的实现方法，通过该方法实现中波红外、长波红外和可见光三路图像融合处理功能，同时该方法也可用于红外中波/长波、红外中波/可见、红外长波/可见等三种模式的双路融合处理。

本发明提供的一种基于DM642的三路图像金字塔融合算法的实现方法，包括步骤：

实时采集三路传感器当前帧图像并在DM642中缓存；

分别构造当前缓存的三路传感器的当前帧图像的高斯金字塔图像；

以三路传感器的当前帧图像的高斯金字塔图像为基础，分别构造三路传感器的当前帧图像的拉普拉斯金字塔图像；

对三路传感器的当前帧图像的拉普拉斯金字塔图像的对应级进行融合，得到融合图像拉普拉斯金字塔；

对融合图像拉普拉斯金字塔进行重构运算，得到最终融合图像。

其中，在所述实时采集三路传感器当前帧图像之前，还包括步骤：预先在DM642DSP的外部SDRAM中开辟三块乒乓缓冲区作为三路传感器的采集图像的缓存区；

所述实时采集三路传感器当前帧图像并在DM642中缓存，包括：通过DM642的DSP的3个视频口作为视频捕捉口实时采集三路传感器的当前帧图像同时利用DM642的DSP中EDMA的自动搬运数据功能，在CPU不干涉的情况下将3个视频口采集的三路传感器的当前帧图像 缓存到预先开辟的所述缓存区。

其中，所述分别构造当前缓存的三路传感器的当前帧图像的高斯金字塔图像，包括步骤：

对三路传感器的当前帧图像分别进行高斯分解，得到三路传感器的当前帧图像的第一层高斯金字塔图像并缓存到所述缓存区；

读取缓存的所述三路传感器的当前帧图像的第一层高斯金字塔图像 并分别对其进行高斯分解，得到三路传感器的当前帧图像的第二层高斯金字塔图像并缓存到所述缓存区；

对三路传感器的当前帧图像的第一层高斯金字塔图像和第二层高斯金字塔图像分别进行EXPAND运算，得到三路传感器的当前帧图像的第零层插值图像以及第一层插值图像

其中，对三路传感器的当前帧图像分别进行高斯分解以及对第一层高斯金字塔图像分别进行高斯分解的方法为采用REDUCE函数进行计算，REDUCE函数定义如下：

$\mathrm{REDUCE}\left(G_{l-1}^s\right)=G_l^s(i,j)=4\underset{m=-2}{\overset{m=2}{\mathrm{\Σ}}}\underset{n=-2}{\overset{n=2}{\mathrm{\Σ}}}w(m,n)G_{l-1}^s(2i+m,2j+n)$

其中，所述1≤l≤N，N是高斯金字塔的总级数，1≤i≤C_l,1≤j≤R_l，C_l、R_l是高斯金字塔第l级的大小；w(m,n)为5×5的Gaussian模板，s为LW、MW或VIS，采用不同的s上标分别表示对应于长波红外热像仪、中波红外热像仪、可见光相机三路传感器的图像。

其中，所述EXPAND运算定义为：

$\mathrm{EXPEND}\left(G_{l.k-1}^s\right)=G_{l.k}^s(i,j)=4\underset{m=-2}{\overset{m=2}{\mathrm{\Σ}}}\underset{n=-2}{\overset{n=2}{\mathrm{\Σ}}}w(m,n)G_{l.k-1}^s(\frac{i+m}{2},\frac{j+n}{2})$

其中，表示对进行EXPAND运算k次后得到的图像,w(m,n)为5×5的Gaussian模板，仅当为整数坐标时方计算入上述和式。

其中，所述以三路传感器的当前帧图像的高斯金字塔图像为基础，分别构造三路传感器的当前帧图像的拉普拉斯金字塔图像，包括：读取缓存的三路传感器的当前帧图像和第零层插值图像根据二者生成三路传感器的第零层拉普拉斯金字塔图像并缓存到所述缓存区；同时读取缓存的三路传感器的当前帧图像的第一层高斯金字塔图像和第一层插值图像根据二者生成三路传感器的第一层拉普拉斯金字塔图像并缓存到所述缓存区；同时读取缓存的三路传感器的当前帧图像的第二层高斯金字塔图像 并将其作为三路传感器的第二层拉普拉斯金字塔图像 后将其缓存到所述缓存区。

其中，第l层拉普拉斯金字塔图像的生成方法为：

$\left\{\begin{array}{c}{L}_N^s=G_N^s\\ L_l^s=G_l^s-\mathrm{EXPAND}\left(G_{l+1}^s\right)=G_l^s-G_{l+1.1}^s\\ 0\≤l\≤N\end{array}\right.$

其中，N是拉普拉斯金字塔的总级数，s上标为LW、MW或VIS。

其中，所述对三路传感器的当前帧图像的拉普拉斯金字塔图像的对应级进行融合，得到融合图像拉普拉斯金字塔，包括：

DM642的CPU依次从所述缓存区中读取三路传感器的当前帧图像的第零层、第一层和第二层拉普拉斯金字塔图像，同时采用加权平均融合规则计算对应层的融合拉普拉斯金字塔图像，并将处理得到的第零层融合图像拉普拉斯金字塔第一层融合图像拉普拉斯金字塔和第二层融合图像拉普拉斯金字塔依次缓存到所述缓存区中。

其中，所述对融合图像拉普拉斯金字塔进行重构运算，包括：

DM642的CPU从所述缓存区中读取所述第二层融合图像拉普拉斯金字塔同时利用所述EXPAND运算进行处理，得到第一层融合插值图像并缓存到所述缓存区；

CPU依次从所述缓存区中读取所述第一层融合图像拉普拉斯金字塔和所述第一层融合插值图像同时利用公式：

$\left\{\begin{array}{c}{L}_N^s=G_N^s\\ L_l^s=G_l^s-\mathrm{EXPAND}\left(G_{l+1}^s\right)=G_l^s-G_{l+\mathrm{1,1}}^s\\ 0\≤l\≤N\end{array}\right.$

进行处理，得到融合图像第一层高斯金字塔并缓存到所述缓存区；

读取缓存的融合图像第一层高斯金字塔同时利用所述EXPAND运算进行处理，得到第零层融合插值图像并缓存到所述缓存区；

读取缓存的第零层融合图像拉普拉斯金字塔和所述第零层融合插值图像同时利用公式：

$\left\{\begin{array}{c}{L}_N^s=G_N^s\\ L_l^s=G_l^s-\mathrm{EXPAND}\left(G_{l+1}^s\right)=G_l^s-G_{l+\mathrm{1,1}}^s\\ 0\≤l\≤N\end{array}\right.$

进行处理，得到最终融合图像并存储到所述缓存区中。

本发明的上述技术方案的有益效果如下：

上述方案中，研究和设计了三路图像拉普拉斯金字塔融合算法的最佳实现流程，创造性地基于DM642软硬件资源，实时实现了三路图像拉普拉斯金字塔融合算法，不仅弥补了现有技术的空白，而且通过模块化设计，使该方法可用于红外中波/长波、红外中波/可见、红外长波/可见等三种模式的双路融合处理。

附图说明

图1为本发明实施例提供的基于DM642的三路图像金字塔融合算法的实现方法流程图；

图2为图1中S2的优选实施流程图；

图3为图1中S5的优选实施流程图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1为本发明实施例提供的基于DM642的三路图像金字塔融合算法的实现方法流程图，如图1中所示，该方法包括以下步骤：

S1：实时采集三路传感器当前帧图像并在DM642中缓存；其中,DM642可选用德州仪器公司的DM642。

S2：分别构造当前缓存的三路传感器的当前帧图像的高斯金字塔图像。

S3：以三路传感器的当前帧图像的高斯金字塔图像为基础，分别构造三路传感器的当前帧图像的拉普拉斯金字塔图像。

S4：对三路传感器的当前帧图像的拉普拉斯金字塔图像的对应级进行融合，得到融合图像拉普拉斯金字塔。

S5：对融合图像拉普拉斯金字塔进行重构运算，得到最终融合图像。

为便于在实施过程中各种图像数据的存储，优选地，在实时采集三路传感器当前帧图像之前，还包括步骤：预先在DM642DSP的外部SDRAM中开辟三块乒乓缓冲区作为三路传感器的采集图像的缓存区。这样，步骤S1可具体实施为：通过DM642的DSP的3个视频口作为视频捕捉口实时采集三路传感器的当前帧图像同时利用DM642的DSP中EDMA的自动搬运数据功能，在CPU不干涉的情况下将3个视频口采集的三路传感器的当前帧图像缓存到预先开辟的缓存区。

图2所示为图1中S2的优选实施流程图，如图2中所示，S2包括步骤：

S21：对三路传感器的当前帧图像分别进行第一层高斯分解。CPU依次从外部SDRAM缓存区中读取三路传感器的当前帧图像分别进行高斯分解，得到三路传感器的当前帧图像的第一层高斯金字塔图像 并缓存到所述缓存区。

S22：对三路传感器的当前帧图像分别进行第二层高斯分解。CPU依次从外部SDRAM缓存区中读取缓存的三路传感器的当前帧图像的第一层高斯金字塔图像并分别对其进行高斯分解，得到三路传感器的当前帧图像的第二层高斯金字塔图像并缓存到所述缓存区。

S23：对三路传感器的当前帧图像的第一层高斯金字塔图像 和第二层高斯金字塔图像分别进行EXPAND运算，得到三路传感器的当前帧图像的第零层插值图像以及第一层插值图像

优选地，S21中对三路传感器的当前帧图像分别进行高斯分解以及S22中对第一层高斯金字塔图像分别进行高斯分解的方法为采用REDUCE函数进行计算，REDUCE函数定义如下公式(1)：

$\mathrm{REDUCE}\left(G_{l-1}^s\right)=G_l^s(i,j)=4\underset{m=-2}{\overset{m=2}{\mathrm{\Σ}}}\underset{n=-2}{\overset{n=2}{\mathrm{\Σ}}}w(m,n)G_{l-1}^s(2i+m,2j+n)---\left(1\right)$

即表示对图像的高斯分解，其中，1≤l≤N，N是高斯金字塔的总级数，1≤i≤C_l,1≤j≤R_l，C_l、R_l是高斯金字塔第l级的大小；w(m,n)为5×5的Gaussian模板，定义s表示LW、MW或VIS，采用不同的s上标分别表示对应于长波红外热像仪、中波红外热像仪、可见光相机三路传感器的图像，的下标表示同类变换图像相应的层级。

优选地，S23中所述EXPAND运算为函数REDUCE的逆运算，利用插值法将高斯金字塔结构中某一级图像扩展成其前一级图像的尺寸大小，EXPAND运算定义为：

$\mathrm{EXPEND}\left(G_{l.k-1}^s\right)=G_{l.k}^s(i,j)=4\underset{m=-2}{\overset{m=2}{\mathrm{\Σ}}}\underset{n=-2}{\overset{n=2}{\mathrm{\Σ}}}w(m,n)G_{l.k-1}^s(\frac{i+m}{2},\frac{j+n}{2})---\left(2\right)$

其中，表示对进行EXPAND运算k次后得到的图像,w(m,n)为5×5的Gaussian模板，仅当为整数坐标时方计算入上述和式。

优选地，S3的具体实施方法为：读取缓存的三路传感器的当前帧图像 和第零层插值图像根据二者生成三路传感器的第零层拉普拉斯金字塔图像并缓存到缓存区；同时读取缓存的三路传感器的当前帧图像的第一层高斯金字塔图像和第一层插值图像根据二者生成三路传感器的第一层拉普拉斯金字塔图像并缓存到缓存区；同时读取缓存的三路传感器的当前帧图像的第二层高斯金字塔图像并将其作为三路传感器的第二层拉普拉斯金字塔图像后将其缓存到缓存区。

优选地，拉普拉斯金字塔是一组带通滤波图像序列，定义为高斯金字塔与对应各级低通滤波图像之差，S3中第l层拉普拉斯金字塔图像的生成方法为：

$\left\{\begin{array}{c}{L}_N^s=G_N^s\\ L_l^s=G_l^s-\mathrm{EXPAND}\left(G_{l+1}^s\right)=G_l^s-G_{l+1.1}^s\\ 0\≤l\≤N\end{array}\right.---\left(3\right)$

式(3)中，N是拉普拉斯金字塔的总级数，s上标为LW、MW或VIS。式(3)中，当中的s分别为LW、MW、VIS或F时，分别表示长波红外、中波红外、可见光或融合图像的第一层拉普拉斯金字塔图像。公式(3)为采用相应融合规则对三路图像进行融合运算。一般采用“与”、“或”或者加权平均。与运算取多分辨图像对应值中的最小值；或运算取多分辨图像对应值中的最大值，加权平均取多分辨图像对应值中的加权平均值。

优选地，步骤S4的具体实施方法为：DM642的CPU依次从缓存区中读取三路传感器的当前帧图像的第零层、第一层和第二层拉普拉斯金字塔图像，同时采用加权平均融合规则计算对应层的融合拉普拉斯金字塔图像，并将处理得到的第零层融合图像拉普拉斯金字塔第一层融合图像拉普拉斯金字塔和第二层融合图像拉普拉斯金字塔依次缓存到缓存区中。

图3所示为图1中S5的优选实施流程图，如图3中所示，S5包括步骤：

S51：由公式(3)可知，融合图像第二层高斯金字塔即为第二层融合图像拉普拉斯金字塔DM642的CPU从缓存区中读取第二层融合图像拉普拉斯金字塔同时利用EXPAND运算即上述公式(2)进行处理，得到第一层融合插值图像并缓存到外部SDRAM的缓存区中。

S52：CPU依次从外部SDRAM的缓存区中读取第一层融合图像拉普拉斯金字塔和第一层融合插值图像同时利用上述公式(3)进行处理，得到融合图像第一层高斯金字塔并缓存到缓存区；

S53：读取缓存的融合图像第一层高斯金字塔同时利用公式(2)的EXPAND运算进行处理，得到第零层融合插值图像并缓存到缓存区；

S54：读取缓存的第零层融合图像拉普拉斯金字塔和第零层融合插值图像同时利用公式(3)进行处理，得到融合图像第零层高斯金字塔即最终融合图像，并将最终融合图像存储到缓存区中。

上述方案中，研究和设计了三路图像拉普拉斯金字塔融合算法的最佳实现流程，创造性地基于DM642软硬件资源，实时实现了三路图像拉普拉斯金字塔融合算法，不仅弥补了现有技术的空白，而且通过模块化设计，使该方法可用于红外中波/长波、红外中波/可见、红外长波/可见等三种模式的双路融合处理。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种基于DM642的三路图像金字塔融合算法的实现方法，其特征在于，包括步骤：

实时采集三路传感器当前帧图像并在DM642中缓存；

分别构造当前缓存的三路传感器的当前帧图像的高斯金字塔图像；

以三路传感器的当前帧图像的高斯金字塔图像为基础，分别构造三路传感器的当前帧图像的拉普拉斯金字塔图像；

对三路传感器的当前帧图像的拉普拉斯金字塔图像的对应级进行融合，得到融合图像拉普拉斯金字塔；

对融合图像拉普拉斯金字塔进行重构运算，得到最终融合图像。

2.如权利要求1所述的基于DM642的三路图像金字塔融合算法的实现方法，其特征在于，在所述实时采集三路传感器当前帧图像之前，还包括步骤：预先在DM642DSP的外部SDRAM中开辟三块乒乓缓冲区作为三路传感器的采集图像的缓存区；

所述实时采集三路传感器当前帧图像并在DM642中缓存，包括：通过DM642的DSP的3个视频口作为视频捕捉口实时采集三路传感器的当前帧图像同时利用DM642的DSP中EDMA的自动搬运数据功能，在CPU不干涉的情况下将3个视频口采集的三路传感器的当前帧图像 缓存到预先开辟的所述缓存区。

3.如权利要求2所述的基于DM642的三路图像金字塔融合算法的实现方法，其特征在于，所述分别构造当前缓存的三路传感器的当前帧图像的高斯金字塔图像，包括步骤：

对三路传感器的当前帧图像分别进行高斯分解，得到三路传感器的当前帧图像的第一层高斯金字塔图像并缓存到所述缓存区；

读取缓存的所述三路传感器的当前帧图像的第一层高斯金字塔图像 并分别对其进行高斯分解，得到三路传感器的当前帧图像的第二层高斯金字塔图像并缓存到所述缓存区；

对三路传感器的当前帧图像的第一层高斯金字塔图像和第二层高斯金字塔图像别进行EXPAND运算，得到三路传感器的当前帧图像的第零层插值图像以及第一层插值图像

4.如权利要求3所述的基于DM642的三路图像金字塔融合算法的实现方法，其特征在于，对三路传感器的当前帧图像分别进行高斯分解以及对第一层高斯金字塔图像分别进行高斯分解的方法为采用REDUCE函数进行计算，REDUCE函数定义如下：

$\mathrm{REDUCE}\left(G_{l-1}^s\right)=G_l^s(i,j)=4\underset{m=-2}{\overset{m=2}{\mathrm{\Σ}}}\underset{n=-2}{\overset{n=2}{\mathrm{\Σ}}}w(m,n)G_{l-1}^s(2i+m,2j+n)$

其中，所述1≤l≤N，N是高斯金字塔的总级数，1≤i≤C_l,1≤j≤R_l，C_l、R_l是高斯金字塔第l级的大小；w(m,n)为5×5的Gaussian模板，s为LW、MW或VIS，采用不同的s上标分别表示对应于长波红外热像仪、中波红外热像仪、可见光相机三路传感器的图像。

5.如权利要求4所述的基于DM642的三路图像金字塔融合算法的实现方法，其特征在于，所述EXPAND运算定义为：

$\mathrm{EXPEND}\left(G_{l.k-1}^s\right)=G_{l.k}^s(i,j)=4\underset{m=-2}{\overset{m=2}{\mathrm{\Σ}}}\underset{n=-2}{\overset{n=2}{\mathrm{\Σ}}}w(m,n)G_{l.k-1}^s(\frac{i+m}{2},\frac{j+n}{2})$

其中，表示对进行EXPAND运算k次后得到的图像,w(m,n)为5×5的Gaussian模板，仅当为整数坐标时方计算入上述和式。

6.如权利要求5所述的基于DM642的三路图像金字塔融合算法的实现方法，其特征在于，所述以三路传感器的当前帧图像的高斯金字塔图像为基础，分别构造三路传感器的当前帧图像的拉普拉斯金字塔图像，包括：读取缓存的三路传感器的当前帧图像和第零层插值图像 根据二者生成三路传感器的第零层拉普拉斯金字塔图像并缓存到所述缓存区；同时读取缓存的三路传感器的当前帧图像的第一层高斯金字塔图像和第一层插值图像根据二者生成三路传感器的第一层拉普拉斯金字塔图像并缓存到所述缓存区；同时读取缓存的三路传感器的当前帧图像的第二层高斯金字塔图像并将其作为三路传感器的第二层拉普拉斯金字塔图像 后将其缓存到所述缓存区。

7.如权利要求6所述的基于DM642的三路图像金字塔融合算法的实现方法，其特征在于，第l层拉普拉斯金字塔图像的生成方法为：

$\left\{\begin{array}{c}{L}_N^s=G_N^s\\ L_l^s=G_l^s-\mathrm{EXPAND}\left(G_{l+1}^s\right)=G_l^s-G_{l+1.1}^s\\ 0\≤l\≤N\end{array}\right.$

其中，N是拉普拉斯金字塔的总级数，s上标为LW、MW或VIS。

8.如权利要求7所述的基于DM642的三路图像金字塔融合算法的实现方法，其特征在于，所述对三路传感器的当前帧图像的拉普拉斯金字塔图像的对应级进行融合，得到融合图像拉普拉斯金字塔，包括：

DM642的CPU依次从所述缓存区中读取三路传感器的当前帧图像的第零层、第一层和第二层拉普拉斯金字塔图像，同时采用加权平均融合规则计算对应层的融合拉普拉斯金字塔图像，并将处理得到的第零层融合图像拉普拉斯金字塔第一层融合图像拉普拉斯金字塔和第二层融合图像拉普拉斯金字塔依次缓存到所述缓存区中。

9.如权利要求8所述的基于DM642的三路图像金字塔融合算法的实现方法，其特征在于，所述对融合图像拉普拉斯金字塔进行重构运算，包括：

DM642的CPU从所述缓存区中读取所述第二层融合图像拉普拉斯金字塔同时利用所述EXPAND运算进行处理，得到第一层融合插值图像并缓存到所述缓存区；

CPU依次从所述缓存区中读取所述第一层融合图像拉普拉斯金字塔和所述第一层融合插值图像同时利用公式：

$\left\{\begin{array}{c}{L}_N^s=G_N^s\\ L_l^s=G_l^s-\mathrm{EXPAND}\left(G_{l+1}^s\right)=G_l^s-G_{l+\mathrm{1,1}}^s\\ 0\≤l\≤N\end{array}\right.$

进行处理，得到融合图像第一层高斯金字塔并缓存到所述缓存区；

读取缓存的融合图像第一层高斯金字塔同时利用所述EXPAND运算进行处理，得到第零层融合插值图像并缓存到所述缓存区；

读取缓存的第零层融合图像拉普拉斯金字塔和所述第零层融合插值图像同时利用公式：

$\left\{\begin{array}{c}{L}_N^s=G_N^s\\ L_l^s=G_l^s-\mathrm{EXPAND}\left(G_{l+1}^s\right)=G_l^s-G_{l+\mathrm{1,1}}^s\\ 0\≤l\≤N\end{array}\right.$

进行处理，得到最终融合图像并存储到所述缓存区中。