CN105844606A - 基于小波变换的图像融合方法及其系统 - Google Patents

基于小波变换的图像融合方法及其系统 Download PDF

Info

Publication number
CN105844606A
CN105844606A CN201610165033.0A CN201610165033A CN105844606A CN 105844606 A CN105844606 A CN 105844606A CN 201610165033 A CN201610165033 A CN 201610165033A CN 105844606 A CN105844606 A CN 105844606A
Authority
CN
China
Prior art keywords
image
pixel
high frequency
value
low
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.)
Pending
Application number
CN201610165033.0A
Other languages
English (en)
Inventor
宋高飞
张伟
张彩红
谯帅
刘洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOCOM SMART NETWORK TECHNOLOGIES Inc
Original Assignee
BOCOM SMART NETWORK TECHNOLOGIES Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOCOM SMART NETWORK TECHNOLOGIES Inc filed Critical BOCOM SMART NETWORK TECHNOLOGIES Inc
Priority to CN201610165033.0A priority Critical patent/CN105844606A/zh
Publication of CN105844606A publication Critical patent/CN105844606A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

一种基于小波变换的图像融合方法，包括：离散小波变换、高频图像处理、低频图像处理以及分解图像融合。本发明方法能够对源图像的高、低频图像进行分别处理，可保留更多的有用信息，能够得到质量更好的融合图像。

Description

基于小波变换的图像融合方法及其系统
技术领域
本发明属于图像融合技术领域，尤其涉及一种基于小波变换的图像融合方法及其系统。
背景技术
人们出于不同的目的有时会对于同一个场景拍摄多张图片。图像融合技术可以用来对于同一场景的多张图片进行处理，融合成为一张质量更好的图片，以达到通过一张图片获取这一场景更多更有效信息的目的。图像融合技术可以用在生活中的各个领域，比如遥感、多焦距融合、医疗图像融合等等，与人们的生活息息相关。
图像融合技术已经存在了许多年，现有的技术比如HIS、PCA融合技术已经可以满足日常需求。但是，这两种方法都有各自的不足之处，在有些场景下不能够显示出足够多的重要细节部分，比如两种医疗图像PET与MRI的融合时不能同时保留两种图像的优势细节部分，为了实现更好的融合效果，融合技术还是在不断改进以满足更高的要求。
发明内容
基于此，针对上述技术问题，提供一种基于小波变换的图像融合方法及其系统。
为解决上述技术问题，本发明采用如下技术方案：
一种基于小波变换的图像融合方法，包括：
离散小波变换：通过离散小波变换算法将同一场景的多张图像分解成多张高频图像以及多张低频图像；
高频图像处理：在所述多张高频图像中，取对应相同空间位置的多个像素点中像素绝对值最大的像素点的值作为高频融合图像在该空间位置的像素点的值，获得高频融合图像在每个空间位置的像素点的值，从而获得高频融合图像；
低频图像处理：对多张低频图像中对应相同空间位置的多个像素点进行加权平均计算，将加权平均值作为低频融合图像在该空间位置的像素点的值，获得低频融合图像在每个空间位置的像素点的值，从而获得低频融合图像；
分解图像融合：通过逆小波变换算法将所述高频融合图像以及低频图像融合成一张图像。
所述离散小波变换步骤通过matlab的DWT函数进行1-3级小波变换。
所述高频图像处理步骤还包括：在所述每个空间位置的像素点的周围进行3*3的窗口搜索，若某一像素点周围的8个点都取自同一张高频图像，则将该像素点的值校正为该高频图像中相应像素点的值。
本方案还涉及一种基于小波变换的图像融合系统，包括：
离散小波变换单元，用于通过离散小波变换算法将同一场景的多张图像分解成多张高频图像以及多张低频图像；
高频图像处理单元，用于在所述多张高频图像中，取对应相同空间位置的多个像素点中像素绝对值最大的像素点的值作为高频融合图像在该空间位置的像素点的值，获得高频融合图像在每个空间位置的像素点的值，从而获得高频融合图像；
低频图像处理单元，用于对多张低频图像中对应相同空间位置的多个像素点进行加权平均计算，将加权平均值作为低频融合图像在该空间位置的像素点的值，获得低频融合图像在每个空间位置的像素点的值，从而获得低频融合图像；
分解图像融合单元，用于通过逆小波变换算法将所述高频融合图像以及低频图像融合成一张图像。
所述离散小波变换单元通过matlab的DWT函数进行1-3级小波变换。
所述高频图像处理单元还用于在所述每个空间位置的像素点的周围进行3*3的窗口搜索，若某一像素点周围的8个点都取自同一张高频图像，则将该像素点的值校正为该高频图像中相应像素点的值。
本发明方法能够对源图像的高、低频图像进行分别处理，可保留更多的有用信息，能够得到质量更好的融合图像。
附图说明
下面结合附图和具体实施方式本发明进行详细说明：
图1为本发明的一种基于小波变换的图像融合方法的流程图；
图2为本发明的一种基于小波变换的图像融合系统的结构示意图。
具体实施方式
如图1所示，一种基于小波变换的图像融合方法，包括：
S110、离散小波变换：通过离散小波变换算法将同一场景的多张图像分解成多张高频图像以及多张低频图像。
具体地，本实施例通过matlab的DWT函数进行1-3级小波变换，可取得较好的效果。
每增加一级小波变换可以分解出更过的高频图像，以及得到更少冗余信息的低频图像，在一定程度上可以融合出质量更好的图像；但是如果级数过多，那么低频图像将会丢失过多的图像信息，合成后的图像可能会损失原图的信息。所以，最优的级数在1-3级之间。
S120、高频图像处理：
由于高频图像包含的是图像的边缘等信息，所以应该予以保留。
在多张高频图像中，取对应相同空间位置的多个像素点中像素绝对值最大的像素点的值作为高频融合图像在该空间位置的像素点的值，从而获得高频融合图像在每个空间位置的像素点的值，进而获得高频融合图像。
为了提高融合图像的质量，本步骤还可在每个空间位置的像素点的周围进行3*3的窗口搜索，若某一像素点周围的8个点都取自同一张高频图像，则将该像素点的值校正为该高频图像中相应像素点的值。
若8个点不是取自同一张高频图像，则保留原值。
S130、低频图像处理：
对多张低频图像中对应相同空间位置的多个像素点进行加权平均计算，将加权平均值作为低频融合图像在该空间位置的像素点的值，从而获得低频融合图像在每个空间位置的像素点的值，进而获得低频融合图像。
由于低频段图像有很多是冗余信息，故这里采用加权平均源图片的每个像素点，以此来得到融合图像的像素值。现以两张图X、Y的融合为例进行说明：
每个低频段的图像系数使用公式(1)计算，D代表系数值，W代表权值，Z是融合后的图像，p为像素点：
DZ(p)＝wX(p)DX(p)+wY(p)DY(p) (1)；
计算融合等级A，假设AX<AY，W是加权平均窗口，使用公式(2)计算A，其中，w(s,t)代表窗口的权值，并且每个窗口权值的和为1，s和t代表水平和竖直方向的下标，这里的融合等级A使用窗内每一个系数的高斯区域方差来表示，这意味着窗内越靠近p点的系数的权值越大，m,n,k,l为高斯窗口的系数：
AI(p)＝Σs∈S，t∈Tw(s，t)|DI(m+s，n+t，k，l)|， (2)；
计算用来得到权值的度量值MXY，使用公式(3)，参数由公式(1)、(2)计算得到：
M X Y ( p ) = &Sigma; s &Element; S , t &Element; T w ( s , t ) D X ( m + s , n + t , k , l ) D Y ( m + s , n + t , k , l ) A X 2 ( p ) + A Y 2 ( p ) , - - - ( 3 )
若MXY大于或者等于一个阈值α，那么权值用公式(4)计算：
w X = 1 2 - 1 2 ( 1 - M X Y 1 - &alpha; ) andw Y = 1 - w X - - - ( 4 )
若MXY小于阈值α，那么WY＝1，WX＝0。
S140、分解图像融合：通过逆小波变换算法将高频融合图像以及低频图像融合成一张图像。
本发明方法能够对源图像的高、低频图像进行分别处理，可保留更多的有用信息，能够得到质量更好的融合图像。
如图2所示，本方案还涉及一种基于小波变换的图像融合系统，包括：
离散小波变换单元110，用于通过离散小波变换算法将同一场景的多张图像分解成多张高频图像以及多张低频图像。
具体地，本实施例通过matlab的DWT函数进行1-3级小波变换，可取得较好的效果。
每增加一级小波变换可以分解出更过的高频图像，以及得到更少冗余信息的低频图像，在一定程度上可以融合出质量更好的图像；但是如果级数过多，那么低频图像将会丢失过多的图像信息，合成后的图像可能会损失原图的信息。所以，最优的级数在1-3级之间。
高频图像处理单元120，用于在多张高频图像中，取对应相同空间位置的多个像素点中像素绝对值最大的像素点的值作为高频融合图像在该空间位置的像素点的值，从而获得高频融合图像在每个空间位置的像素点的值，进而获得高频融合图像。
为了提高融合图像的质量，高频图像处理单元120还可在每个空间位置的像素点的周围进行3*3的窗口搜索，若某一像素点周围的8个点都取自同一张高频图像，则将该像素点的值校正为该高频图像中相应像素点的值。
若8个点不是取自同一张高频图像，则保留原值。
低频图像处理单元130，用于对多张低频图像中对应相同空间位置的多个像素点进行加权平均计算，将加权平均值作为低频融合图像在该空间位置的像素点的值，从而获得低频融合图像在每个空间位置的像素点的值，进而获得低频融合图像。
由于低频段图像有很多是冗余信息，故这里采用加权平均源图片的每个像素点，以此来得到融合图像的像素值。现以两张图X、Y的融合为例进行说明：
每个低频段的图像系数使用公式(1)计算，D代表系数值，W代表权值，Z是融合后的图像，p为像素点：
DZ(p)＝wX(p)DX(p)+wY(p)DY(p) (1)；
计算融合等级A，假设AX<AY，W是加权平均窗口，使用公式(2)计算A，其中，w(s,t)代表窗口的权值，并且每个窗口权值的和为1，s和t代表水平和竖直方向的下标，这里的融合等级A使用窗内每一个系数的高斯区域方差来表示，这意味着窗内越靠近p点的系数的权值越大，m,n,k,l为高斯窗口的系数：AI(p)＝Σs∈S，t∈Tw(s，t)|DI(m+s，n+t，k，l)|， (2)；
计算用来得到权值的度量值MXY，使用公式(3)，参数由公式(1)、(2)计算得到：
M X Y ( p ) = &Sigma; s &Element; S , t &Element; T w ( s , t ) D X ( m + s , n + t , k , l ) D Y ( m + s , n + t , k , l ) A X 2 ( p ) + A Y 2 ( p ) , - - - ( 3 )
若MXY大于或者等于一个阈值α，那么权值用公式(4)计算：
w X = 1 2 - 1 2 ( 1 - M X Y 1 - &alpha; ) andw Y = 1 - w X - - - ( 4 )
若MXY小于阈值α，那么WY＝1，WX＝0。
分解图像融合单元140，用于通过逆小波变换算法将高频融合图像以及低频图像融合成一张图像。
本发明方法能够对源图像的高、低频图像进行分别处理，可保留更多的有用信息，能够得到质量更好的融合图像。
但是，本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (6)

1.一种基于小波变换的图像融合方法，其特征在于，包括：
离散小波变换：通过离散小波变换算法将同一场景的多张图像分解成多张高频图像以及多张低频图像；
高频图像处理：在所述多张高频图像中，取对应相同空间位置的多个像素点中像素绝对值最大的像素点的值作为高频融合图像在该空间位置的像素点的值，获得高频融合图像在每个空间位置的像素点的值，从而获得高频融合图像；
低频图像处理：对多张低频图像中对应相同空间位置的多个像素点进行加权平均计算，将加权平均值作为低频融合图像在该空间位置的像素点的值，获得低频融合图像在每个空间位置的像素点的值，从而获得低频融合图像；
分解图像融合：通过逆小波变换算法将所述高频融合图像以及低频图像融合成一张图像。
2.根据权利要求1所述的一种基于小波变换的图像融合方法，其特征在于，所述离散小波变换步骤通过matlab的DWT函数进行1-3级小波变换。
3.根据权利要求1或2所述的一种基于小波变换的图像融合方法，其特征在于，所述高频图像处理步骤还包括：在所述每个空间位置的像素点的周围进行3*3的窗口搜索，若某一像素点周围的8个点都取自同一张高频图像，则将该像素点的值校正为该高频图像中相应像素点的值。
4.一种基于小波变换的图像融合系统，其特征在于，包括：
离散小波变换单元，用于通过离散小波变换算法将同一场景的多张图像分解成多张高频图像以及多张低频图像；
高频图像处理单元，用于在所述多张高频图像中，取对应相同空间位置的多个像素点中像素绝对值最大的像素点的值作为高频融合图像在该空间位置的像素点的值，获得高频融合图像在每个空间位置的像素点的值，从而获得高频融合图像；
低频图像处理单元，用于对多张低频图像中对应相同空间位置的多个像素点进行加权平均计算，将加权平均值作为低频融合图像在该空间位置的像素点的值，获得低频融合图像在每个空间位置的像素点的值，从而获得低频融合图像；
分解图像融合单元，用于通过逆小波变换算法将所述高频融合图像以及低频图像融合成一张图像。
5.根据权利要求4所述的一种基于小波变换的图像融合系统，其特征在于，所述离散小波变换单元通过matlab的DWT函数进行1-3级小波变换。
6.根据权利要求4或5所述的一种基于小波变换的图像融合系统，其特征在于，所述高频图像处理单元还用于在所述每个空间位置的像素点的周围进行3*3的窗口搜索，若某一像素点周围的8个点都取自同一张高频图像，则将该像素点的值校正为该高频图像中相应像素点的值。
CN201610165033.0A 2016-03-22 2016-03-22 基于小波变换的图像融合方法及其系统 Pending CN105844606A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610165033.0A CN105844606A (zh) 2016-03-22 2016-03-22 基于小波变换的图像融合方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610165033.0A CN105844606A (zh) 2016-03-22 2016-03-22 基于小波变换的图像融合方法及其系统

Publications (1)

Publication Number Publication Date
CN105844606A true CN105844606A (zh) 2016-08-10

Family

ID=56588048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610165033.0A Pending CN105844606A (zh) 2016-03-22 2016-03-22 基于小波变换的图像融合方法及其系统

Country Status (1)

Country Link
CN (1) CN105844606A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106686214A (zh) * 2016-12-02 2017-05-17 努比亚技术有限公司 一种终端及图像降噪方法
CN106910179A (zh) * 2017-01-22 2017-06-30 南京觅踪电子科技有限公司 基于小波变换的多模态医学图像融合方法
CN107194903A (zh) * 2017-04-25 2017-09-22 阜阳师范学院 一种基于小波变换的多聚焦图像融合方法
CN107742279A (zh) * 2017-10-31 2018-02-27 努比亚技术有限公司 一种图像处理方法、装置及存储介质
CN113160346A (zh) * 2021-04-08 2021-07-23 深圳高性能医疗器械国家研究院有限公司 一种基于小波融合的pet图像重建方法
CN113379660A (zh) * 2021-06-15 2021-09-10 深圳市赛蓝科技有限公司 一种多维度规则的多焦点图像融合方法及系统
WO2022213321A1 (zh) * 2021-04-08 2022-10-13 深圳高性能医疗器械国家研究院有限公司 一种基于小波融合的pet图像重建方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101021945A (zh) * 2007-03-23 2007-08-22 北京中星微电子有限公司 一种图像合成方法及装置
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
CN103049895A (zh) * 2012-12-17 2013-04-17 华南理工大学 基于平移不变剪切波变换的多模态医学图像融合方法
CN103054646A (zh) * 2012-12-25 2013-04-24 周翔 一种适于超声-ct/mri/pet等融合成像的非侵入性标准配准装置
CN104200452A (zh) * 2014-09-05 2014-12-10 西安电子科技大学 基于谱图小波变换的红外与可见光图像融合方法及其装置
CN104835130A (zh) * 2015-04-17 2015-08-12 北京联合大学 一种多曝光图像融合方法
CN105227856A (zh) * 2015-09-28 2016-01-06 广东欧珀移动通信有限公司 一种图像处理的方法及移动终端

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101021945A (zh) * 2007-03-23 2007-08-22 北京中星微电子有限公司 一种图像合成方法及装置
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
CN103049895A (zh) * 2012-12-17 2013-04-17 华南理工大学 基于平移不变剪切波变换的多模态医学图像融合方法
CN103054646A (zh) * 2012-12-25 2013-04-24 周翔 一种适于超声-ct/mri/pet等融合成像的非侵入性标准配准装置
CN104200452A (zh) * 2014-09-05 2014-12-10 西安电子科技大学 基于谱图小波变换的红外与可见光图像融合方法及其装置
CN104835130A (zh) * 2015-04-17 2015-08-12 北京联合大学 一种多曝光图像融合方法
CN105227856A (zh) * 2015-09-28 2016-01-06 广东欧珀移动通信有限公司 一种图像处理的方法及移动终端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宋乐: ""异源图像融合及其评价方法的研究"", 《中国博士学位论文全文数据库 信息科技辑》 *
张建保等: "《中国生物医学工程进展》", 30 April 2007 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106686214A (zh) * 2016-12-02 2017-05-17 努比亚技术有限公司 一种终端及图像降噪方法
CN106910179A (zh) * 2017-01-22 2017-06-30 南京觅踪电子科技有限公司 基于小波变换的多模态医学图像融合方法
CN107194903A (zh) * 2017-04-25 2017-09-22 阜阳师范学院 一种基于小波变换的多聚焦图像融合方法
CN107742279A (zh) * 2017-10-31 2018-02-27 努比亚技术有限公司 一种图像处理方法、装置及存储介质
CN107742279B (zh) * 2017-10-31 2020-07-10 珠海大横琴科技发展有限公司 一种图像处理方法、装置及存储介质
CN113160346A (zh) * 2021-04-08 2021-07-23 深圳高性能医疗器械国家研究院有限公司 一种基于小波融合的pet图像重建方法
WO2022213321A1 (zh) * 2021-04-08 2022-10-13 深圳高性能医疗器械国家研究院有限公司 一种基于小波融合的pet图像重建方法
CN113379660A (zh) * 2021-06-15 2021-09-10 深圳市赛蓝科技有限公司 一种多维度规则的多焦点图像融合方法及系统

Similar Documents

Publication Publication Date Title
CN105844606A (zh) 基于小波变换的图像融合方法及其系统
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
CN108921800A (zh) 基于形状自适应搜索窗口的非局部均值去噪方法
Sandić-Stanković et al. DIBR-synthesized image quality assessment based on morphological multi-scale approach
CN103455991B (zh) 一种多聚焦图像融合方法
JP5331486B2 (ja) デジタル画像の解像度向上方法及び装置
CN103686194A (zh) 基于非局部均值的视频去噪方法和装置
WO2017071293A1 (zh) 深度图像的去噪方法和去噪设备
WO2017161710A1 (zh) 基于深度学习的解像方法和系统
US20180225522A1 (en) Ir or thermal image enhancement method based on background information for video analysis
Marsousi et al. An adaptive approach to learn overcomplete dictionaries with efficient numbers of elements
CN109584185A (zh) 图像处理方法
CN114241070A (zh) Ct图像去金属伪影以及模型训练的方法和装置
CN105590296B (zh) 一种基于双字典学习的单帧图像超分辨率复原方法
CN105844597B (zh) 图像的对比度调整方法及系统
CN103337073A (zh) 一种基于三维熵的二维图像阈值分割方法
CN104504659B (zh) 一种基于提升小波变换的快速iso去噪方法及系统
CN109801257A (zh) 无参考dibr生成图像质量评价方法
CN105282419A (zh) 去噪声方法以及影像系统
CN115660994B (zh) 一种基于区域最小二乘估计的图像增强方法
CN106846262A (zh) 去除蚊式噪声的方法及系统
CN108550119B (zh) 一种结合边缘信息的图像去噪方法
CN116152571A (zh) 基于深度学习的厨余垃圾识别分类方法
TWI460667B (zh) 模糊指紋影像重建方法
CN102339459B (zh) 图像处理方法、装置及医疗影像设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 201201 room 11, building 955, No. 221, Chuansha Road, Shanghai, Pudong New Area

Applicant after: Bocom Intelligent Network Technology Co. Ltd.

Address before: 201201 room 11, building 955, No. 221, Chuansha Road, Shanghai, Pudong New Area

Applicant before: BOCOM Smart Network Technologies Inc.

COR Change of bibliographic data
RJ01 Rejection of invention patent application after publication

Application publication date: 20160810

RJ01 Rejection of invention patent application after publication