CN106204437B - 一种图像融合方法 - Google Patents
一种图像融合方法 Download PDFInfo
- Publication number
- CN106204437B CN106204437B CN201610486023.7A CN201610486023A CN106204437B CN 106204437 B CN106204437 B CN 106204437B CN 201610486023 A CN201610486023 A CN 201610486023A CN 106204437 B CN106204437 B CN 106204437B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- fused
- value
- point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000004927 fusion Effects 0.000 claims abstract description 22
- 238000002156 mixing Methods 0.000 claims abstract description 8
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 2
- 239000010931 gold Substances 0.000 claims description 2
- 229910052737 gold Inorganic materials 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 16
- 238000007500 overflow downdraw method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000005267 amalgamation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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 Processing (AREA)
Abstract
本发明公开了一种图像融合方法,包括:在待融合图像的拼接部分内,确定待融合图像的有效区域;建立最佳缝合线的搜索准则E(x,y)=aEcolor(x,y)2+bEgeometry(x,y),将当前搜索行内像素点与下五行中像素点强度值总和最小的搜索方向,作为最佳缝合线的扩展方向;利用基于拉普拉斯金字塔的多分辨融合算法,根据最佳缝合线位置,计算待融合图像的融合结果。本发明提供的图像融合方法,只有有效区域内的像素点才作为最佳缝合线的扩展方向,兼顾了颜色和结构差异的影响,不仅加大特征点的权重,还更明确了扩展方向存在多种可能时的优先扩展方式,提高了图像融合效果。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图像融合方法。
背景技术
图像拼接及融合技术是图像处理研究方向的一个重要分支,在遥感、航拍、全景相机等领域中有着重要应用。图像拼接及融合技术包括两个关键步骤:图像匹配和图像融合。图像匹配就是将若干个、拍摄内容中有相同部分的图像进行配准的过程,把这些匹配后的部分称之为拼接部分。因为待匹配图像,即原始图像是一些由于获取时间、拍摄角度或/和光照条件不同而存在像素差异的图像,所以匹配后的图像,即待融合图像在上述重叠部分某些位置很有可能会形成图像鬼影。请参考图1,该图包括两幅原始图像,如图1所示,这两幅原始图片的拍摄内容中是存在部分相同的,分别显示在(a)图像的右半幅和(b)图像的左半幅中。当图(a)和(b)匹配,可能会在某些位置形成鬼影。图像融合就是以图像拼接为基础,消除拼接后的图像间的差异,使得图像能自然平滑过度的过程。
从上述内容可见,对于图像的融合效果,一方面受到原始图像系列之间自身差异的影响,另一方面受选定的图像融合方法的影响。因为前者的影响是客观存在的,所以要提高融合效果,融合方法的选择很重要。目前研究较多的图像融合方法是基于最佳缝合线方法,该方法的的核心思想是在待融合图像重叠区域内找出一条缝合线,使得在这条缝合线上,两幅原图像间的像素差异最小,然后在待融合图像上,该线的两侧分别只取同一幅原图像的像素,从而消除图像重叠。
在上述核心思想的指导下,目前已经在融合算法的选择,搜索准则的建立、缝合线走向的扩展等方面取得了一些阶段性成果,但是,融合后图像依然存在叠影、模糊或明显的拼接缝的问题,融合效果亟待提高。
发明内容
本发明实施例中提供了一种图像融合方法,以减少现有技术中的图像融合后存在的叠影、模糊或明显的接缝问题,提高融合效果。
为了解决上述技术问题,本发明实施例公开了如下技术方案:
一种图像融合方法,包括以下步骤:
获取由至少两幅原始图像匹配后的待融合图像,其中,所述原始图像中的重叠部分形成所述待融合图像的拼接部分;
在所述待融合图像的拼接部分内,确定待融合图像的有效区域,其中,所述待融合图像的有效区域是记录所述原始图像内容的区域;
建立最佳缝合线的搜索准则,所述搜索准则为:
E(x,y)=aEcolor(x,y)2+bEgeometry(x,y)
Ecolor表示所述有效区域上像素点(x,y)的颜色差值,而Egeometry表示所述有效区域上像素点(x,y)的结构差值,a为颜色权重系数,b为结构权重系数,a<b;
将所述当前搜索行内像素点与下五行中像素点强度值总和最小的搜索方向,作为所述最佳缝合线的扩展方向,其中,所述当前像素点的强度值为准则值,所述特征点的强度值为准则值与权重系数d之积,
利用基于拉普拉斯金字塔的多分辨融合算法,计算所述待融合图像的融合结果,所述融合结果与所述最佳缝合线位置相对应。
优选的,在上述图像融合方法中,所述在所述待融合图像的拼接部分内,确定待融合图像的有效区域,其中,所述待融合图像的有效区域是记录图像内容的区域具体包括:
在所述待融合图像的拼接部分的范围内,逐像素点判断当前像素点是否为记录所述原始图像内容的像素点,如果是,则确定当前像素点属于待融合图像的有效区域,将所述当前像素点纳入最佳缝合线的搜索范围。
优选的,在所述图像融合方法中,a=0.4,b=0.6。
优选的,在所述图像融合方法中,所述将所述当前搜索行内像素点与下五行中像素点强度值总和最小的搜索方向,作为所述最佳缝合线的扩展方向包括:
判断当前搜索行内是否包括特征点,如果是,则继续判断是否包括多个特征点,如果是,则所述最佳缝合线向强度值最小的特征点方向扩展;
判断当前搜索行内是否包括特征点,如果不是,则继续判断所述当前搜索行内是否存在多个准则值最小且等大的像素点,如果不是,所述最佳缝合线向当前搜索行内准则值最小的方向扩展,如果是,则继续向下搜索,分别计算所述多个准则值最小且等大的像素点的下一行所有像素点的准则值,所述最佳缝合线向下一行内准则值最小的像素点方向扩展,其中,向下搜索的最大行数为5行。
优选的,在所述图像融合方法中,所述利用基于拉普拉斯金字塔的多分辨融合算法,根据所述最佳缝合线位置,计算所述待融合图像的融合结果包括:
生成与所述融合后图像等尺寸的区域图像,以所述最佳缝合线为界限,将所述界限两侧分别填充白色和黑色;
将所述原始图像分别扩展至与所述融合后图像等尺寸的原始扩充图像,扩充部分的像素为0;
建立所述原始扩充图像的拉普拉斯金字塔图像序列阶层,建立所述区域图像的高斯金字塔图像序列阶层;
建立所述待融合图像的拉普拉斯金字塔序列阶层,计算每个序列阶层上像素点的像素值,其中,
L=GRl(i,j)L(f1(x,y))+(1-GRl(i,j))L(f2(x,y))
L表示所述待融合图像的拉普拉斯图像金字塔的第l阶图像上像素点(x,y)处像素值,L(f1(x,y))表示第一原始扩充图像f1的拉普拉斯图像金字塔的第l阶图像上像素点(x,y)处的像素值,L(f2(x,y))表示第二原始扩充图像f2的拉普拉斯图像金字塔的第l阶图像上像素点(x,y)处的像素值;GRl表示所述区域图像的高斯金字塔的第l阶图像上像素点(x,y)处的像素值;
对所述待融合图像的拉普拉斯金字塔图像,从最高阶层开始向下扩展,将高阶层的扩展图像和与所述高阶层相邻的下一阶层的原始图像相加,得到所述下一阶层的扩展图像,用所述下一阶层的扩展图像替换所述下一阶层的原始图像,直至得到最低阶层的扩展图像;
依次将各阶层的扩展图像上对应像素点(x,y)处的像素值累加,得到的累加像素值作为所述待融合图像各个像素点的融合像素值,从而得到所述待融合图像的融合结果。
优选的,在所述图像融合方法中,通过算子模板Sx,Sy计算得到所述有效区域上重叠像素点的结构差值Egeometry,
Egeometry=(f1x-f2x)(f1y-f2y)
其中,f1x和f2x分别代表所述原始图像的当前像素点(x,y)在x方向梯度值,f1y、f2y分别代表所述原始图像的当前像素点(x,y)在y方向梯度值。
优选的,在所述图像融合方法中,其特征在于,所述有效区域上重叠像素点的颜色差值Ecolor的计算方法是:
Ecolor=f1(x,y)-f2(x,y)
其中,f1(x,y)、f2(x,y)分别代表所述原始图像的当前像素点(x,y)处的像素值。
由以上技术方案可见,本发明提供的图像融合方法,首先,在融合开始前,确定了只有有效区域内的像素点才有可能作为最佳缝合线的扩展方向的前提,即保证搜索只在记录图像内容的区域进行,从而避免了最终的融合结果中存在黑色无效区域的可能性,大大提高了融合效果。其次,在确立最佳缝合线的搜索准则时,兼顾了颜色和结构差异的影响,而且考虑到影响融合效果的叠影问题受结构的影响更大,降低了颜色差异在搜索中的权重系数,提高了最佳缝合线位置的准确性,进一步提高融合效果。最后,在规定最佳缝合线的扩展方向方面,不仅将特征点的位置作为权重较大的扩展方向,还同时更加明确了扩展方向存在多种可能时的优先扩展方式,即在考虑下五行内所有像素点后,选择最优的扩展方向,排除了由于扩展方向的随意性而给融合效果带来的不稳定因素,更加进一步提高了融合效果。因此,本发明提供的图像融合方法,能减少现有技术中的图像融合后存在的叠影、模糊或明显的接缝问题,提高融合效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1(a)为本发明实施例提供的第一原始图像;
图1(b)为本发明实施例提供的第二原始图像;
图2为本发明实施例提供的最佳缝合线的扩展方式流程示意图;
图3(a)为图1(a)的局部扩充图像;
图3(b)为图1(b)的局部扩充图像;
图4为本发明实施例提供的图像融合方法的融合结果示意图;
图5为现有的图像融合方法的融合结果示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明提供一种图像融合方法,包括以下步骤:
在步骤S01中,获取由至少两幅原始图像匹配后的待融合图像,其中,原始图像中的相同内容部分形成待融合图像的拼接部分。在待融合图像的拼接部分内,确定待融合图像的有效区域,其中,有效区域是记录原始图像内容的区域。待融合图像的有效区域是记录图像内容的区域,有效区域的确定方式可以为在待融合图像的拼接部分的范围内,逐像素点判断当前像素点是否为记录原始图像内容的像素点,如果是,则确定当前像素点属于待融合图像的有效区域,将当前像素点纳入最佳缝合线的搜索范围,如果不是,则当前像素点为黑色区域,不必纳入最佳缝合线的搜索范围。
在步骤S02中,建立最佳缝合线的搜索准则,搜索准则为:
E(x,y)=aEcolor(x,y)2+bEgeometry(x,y)
Ecolor表示有效区域上像素点(x,y)的颜色差值,而Egeometry表示有效区域上像素点(x,y)的结构差值,a为颜色权重系数,b为结构权重系数,a<b。最佳缝合线是在融合后图像中一条沿该线上的像素点扩展时,这些点的像素值在当前搜索准则下为同行内最小的线。同时最佳缝合线上的像素点也是两幅原始图像上相同坐标位置的点,而上述搜索准则,既考虑了颜色差值对某一像素点准则值的影响,也考虑了结构差值的影响,并且考虑到对于两幅原始图像上f1和f2相同位置的像素点(x,y)在重叠为有效区域的同一点时,结构差异对造成叠影的影响比颜色差异更大,因此,确立了颜色权重系数小于结构权重系数的原则。这样的原则下,最佳缝合线的位置更为准确,融合效果更好。经过试验验证,当a=0.4,b=0.6时,融合效果较佳。
其中,Ecolor的计算方法是:
ECOLOR=f1(x,y)-f2(x,y)
通过算子模板Sx、Sy计算得到有效区域上重叠像素点的结构差值Egeometry,
Egeometry=(f1x-f2x)(f1y-f2y)
其中,f1(x,y)、f2(x,y)分别代表在原始图像f1和f2中相同的坐标位置(x,y)处的像素值。f1x和f2x分别代表原始图像的当前像素点(x,y)在x方向梯度值,f1y和f2y分别代表原始图像的当前像素点(x,y)在y方向梯度值。值得注意的是,本发明提供的图像融合方法,对于原始图像、匹配图像和融合后图像,可以是统一使用灰度图像,也可以是统一使用彩色图像。对于本实施例而言,结合灰度附图,任意坐标(x,y)的像素值或梯度值针对灰度图像的。在原始图像f1和f2各个像素点的梯度值已知的情况下,结合算子模板Sx、Sy,以当前像素点为中心的四周的像素点的相关性,用四周像素点的梯度差值计算当前像素点的梯度值,具体计算过程如下:
fx=2f(x+1,y-1)+f(x+1,y)+2f(x+1,y+1)-2f(x-1,y-1)-f(x-1,y)-2f(x-1,y+1);
fy=2f(x-1,y+1)+f(x,y+1)+2f(x+1,y+1)-2f(x-1,y-1)-f(x,y-1)-2f(x+1,y-1)。
在步骤S03中,以第一行各列像素点为每一条缝合线的起点,分别向下搜索,计算当前搜索行内,与当前列像素点相邻五个像素点的强度值,在所有的缝合线中,将当前搜索行当前列像素点与下五行中像素点强度值总和最小的搜索方向,作为最佳缝合线的扩展方向。其中,当前像素点的强度值为准则值,特征点为原始图像中在局部区域内,像素值显著变化的点,特征点的强度值为准则值与权重系数d之积,
可见,在规定最佳缝合线的扩展方向方面,不仅加大了特征点的的权重,使得在同一行中如果有特征点的话,则优先选择特征点为扩展方向。还同时明确了要考虑下五行内所有像素点后,选择最优的扩展方向,避免了存在多种可能时的优先扩展方式时,随意扩展而给融合效果带来的不稳定因素,更加进一步提高了融合效果。
具体扩展方式请参考图2,图2为本发明实施例提供的最佳缝合线的扩展方向示意图。如图2所示,在步骤S031中,判断当前搜索行内是否包括特征点;如果是,则进入步骤S032,继续判断是否包括多个特征点,如果不是,则进入步骤S033中,继续判断当前搜索行内是否存在多个准则值最小且等大的像素点,如果S032的判断结果为是,则进入步骤S0321,最佳缝合线向强度值最小的特征点方向扩展。
如果步骤S033的判断结果为否,则进入步骤S0332,最佳缝合线向当前搜索行内准则值最小的方向扩展,如果是,则进入步骤S0331,继续向下搜索,分别计算多个准则值最小且等大的像素点的下一行所有像素点的准则值,最佳缝合线向下一行内准则值最小的像素点方向扩展,如果下一行内仍然有相等值,则到下两行搜索,直到出现唯一最小值为止,为了避免出现无限迭代的情况,向下搜索的最大行数为5行。
简言之,上述扩展方式为先考虑是否存在特征点,如果存在的话,优先向特征点扩展,当同行内存在多个特征点时,向强度值最小的特征点扩展。如果不存在特征点,向准则值最小的像素点扩展,如果同行内存在准则值相等的多个最小像素点,则联合该行下5行内的像素点,选择包括该行在内的6行内像素点的准则值和值最小的路径扩展。
经过上述步骤S01-S03后,已经确定出了唯一的最佳缝合线位置,这个最优是指在整个有效区域内的最优。然后进入步骤S04中,利用基于拉普拉斯金字塔的多分辨融合算法,根据最佳缝合线位置,计算待融合图像的融合结果。
具体融合方式如下:
首先,生成与融合后图像等尺寸的区域图像GR,融合后图像的尺寸是原始图像经过配准变换的过程中确定的,以图1中(a)和(b)为例,融合后图像的尺寸是(b)的尺寸经过变换,在(b)在与(a)配准后确定的。以步骤S03中得到的最佳缝合线为界限,将界限两侧分别填充白色和黑色。
然后,将原始图像f1和f2分别扩展至与融合后图像等尺寸的原始扩充图像F1和F2,扩充部分的像素为0。请参考图3,图3示出了图1中原始图像的局部扩充图像,如图3(a)为图1(a)的扩充图像的局部,为了便于观察图3(a)中有效区域和黑色无效区域的分界用白线标记,白线左侧的为有效区域,右侧的为黑色无效区域。如图3(b)为图1(b)的扩充图像的局部,白线右侧的为有效区域,左侧的为黑色无效区域。无论是图3(a)或图3(b),均是省略示出了扩充后的黑色区域,因此图3中的图像大小比融合后图像的尺寸并不相等,但是因为本发明提供的图像融合方法基于有效区域内最佳缝合线的搜索,省略搜索上述省略示出的黑色区域对融合结果没有影响。
其次,建立原始扩充图像的拉普拉斯金字塔图像序列阶层。要想建立原始扩充图像的拉普拉斯金字塔图像序列阶层,首先要建立区域图像的高斯金字塔图像序列阶层;高斯金字塔是一个沿最底层到最顶层的方向上,各序列阶层图像的尺寸逐阶层减半的金字塔,设区域图像的高斯金字塔图像零层(底层)为G0,则第l层图像Gl为:
其中N为高斯金字塔顶层的层号,Gl为第l层图像的列数,Rl为第l层的行数,0<l≤N,0<i≤Gl,0<j≤Rj,ω(m,n)=h(m)*h(n)为5×5的窗口函数,h为服从高斯密度分布函数。
在构造出高斯金字塔图像后,对其进行插值膨胀,使得各个序列阶层的尺寸膨胀为与低一阶层等尺寸的膨胀金字塔。即使第l层图像膨胀后的尺寸与第l-1层图像Gl-1尺寸相同,其运算如下:
当(i+m)/2和(j+n)/2不为整数时,
然后用该膨胀金字塔上,各序列阶层图像与高一阶层做差,得到一系列差值图像,这些差值图像构成与高斯金字塔对应的拉普拉斯金字塔。这里所说的做差,是指在膨胀金字塔各个阶层的相同坐标位置的像素点(x,y)的像素值的差值。
其运算如下:
由G0*、G1*……Gl*构成的金字塔即为拉普拉斯金字塔。
按照上述方式,建立待融合图像的拉普拉斯金字塔序列阶层,再计算每个序列阶层上像素点的像素值,其中,
L=GRl(i,j)L(f1(x,y))+(1-GRl(i,j))L(f2(x,y))
L表示待融合图像的拉普拉斯图像金字塔的第l阶图像上像素点(x,y)处像素值,L(f1(x,y))表示F1的拉普拉斯图像金字塔的第l阶图像上像素点(x,y)处的像素值,L(f2(x,y))表示F2的拉普拉斯图像金字塔的第l阶图像上像素点(x,y)处的像素值;GRl表示区域图像的高斯金字塔的第l阶图像上像素点(x,y)处的像素值。
按照上述计算公式,得到待融合图像每个序列阶层上每个像素点的像素值后,对所述待融合图像的拉普拉斯金字塔图像,从最高阶层开始向下扩展,将高阶层的扩展图像和与所述高阶层相邻的下一阶层的原始图像相加,得到所述下一阶层的扩展图像,用所述下一阶层的扩展图像替换所述下一阶层的原始图像,直至得到最低阶层的扩展图像;依次将各阶层的扩展图像上对应像素点(x,y)处的像素值累加,得到的累加像素值作为所述待融合图像各个像素点的融合像素值,从而得到所述待融合图像的融合结果。至此,得到的融合结果,是根据上述步骤S02中的最佳的缝合线位置得到的融合结果,请参考图4,该图示出了本发明提供的图像融合方法的融合结果,在图4中可以看到最佳缝合线的扩展方向。请对比图5,图5为现有图像融合方法的融合结果。通过,对比图4和图5,能够看出,图4按照上述步骤S03中确立的最佳缝合线的位置,避免在融合结果中出现如图中的黑色无效区域,而且图4中的接缝比图5中更加平滑、过渡更加自然。在拼接部分并没有发生模糊或叠影的情况,所以,本发明提供的图像融合方法很好的解决了现有融合技术中的缺陷,整体提高了图像融合效果。
通过以上的方法实施例的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种图像融合方法,其特征在于,包括以下步骤:
获取由至少两幅原始图像匹配后的待融合图像,其中,所述原始图像中重叠部分形成所述待融合图像的拼接部分;
在所述待融合图像的拼接部分内,确定待融合图像的有效区域,其中,所述待融合图像的有效区域是记录所述原始图像内容的区域;
建立最佳缝合线的搜索准则,所述搜索准则为:
E(x,y)=aEcolor(x,y)2+bEgeometry(x,y)
Ecolor表示所述有效区域上像素点(x,y)的颜色差值,而Egeometry表示所述有效区域上像素点(x,y)的结构差值,a为颜色权重系数,b为结构权重系数,a<b;
计算当前搜索行包括特征点在内的所有像素点的强度值,判断当前搜索行内是否包括特征点,如果是,则继续判断是否包括多个特征点,如果是,则所述最佳缝合线向强度值最小的特征点方向扩展;
判断当前搜索行内是否包括特征点,如果不是,则继续判断所述当前搜索行内是否存在多个准则值最小且等大的像素点,如果不是,所述最佳缝合线向当前搜索行内准则值最小的方向扩展,如果是,则继续向下搜索,分别计算所述多个准则值最小且等大的像素点的下一行所有像素点的准则值,所述最佳缝合线向下一行内准则值最小的像素点方向扩展,其中,向下搜索的最大行数为5行,其中,所述当前像素点的强度值为准则值,所述特征点的强度值为准则值与权重系数d之积,
利用基于拉普拉斯金字塔的多分辨融合算法,根据所述最佳缝合线位置,计算所述待融合图像的融合结果。
2.根据权利要求1所述的图像融合方法,其特征在于,所述在所述待融合图像的拼接部分内,确定待融合图像的有效区域,其中,所述待融合图像的有效区域是记录图像内容的区域具体包括:
在所述待融合图像的拼接部分的范围内,逐像素点判断当前像素点是否为记录所述原始图像内容的像素点,如果是,则确定当前像素点属于待融合图像的有效区域,将所述当前像素点纳入最佳缝合线的搜索范围。
3.根据权利要求1所述的图像融合方法,其特征在于,a=0.4,b=0.6。
4.根据权利要求1所述的图像融合方法,其特征在于,所述利用基于拉普拉斯金字塔的多分辨融合算法,根据所述最佳缝合线位置,计算所述待融合图像的融合结果,包括:
生成与融合后图像等尺寸的区域图像,以所述最佳缝合线为界限,将所述界限两侧分别填充白色和黑色;
将所述原始图像分别扩展至与融合后图像等尺寸的原始扩充图像,扩充部分的像素为0;
建立所述原始扩充图像的拉普拉斯金字塔图像序列阶层,建立所述区域图像的高斯金字塔图像序列阶层;
建立所述待融合图像的拉普拉斯金字塔序列阶层,计算每个序列阶层上像素点的像素值,其中,
L=GRl(i,j)L(f1(x,y))+(1-GRl(i,j))L(f2(x,y))
L表示所述待融合图像的拉普拉斯图像金字塔的第l阶图像上像素点(x,y)处像素值,L(f1(x,y))表示第一原始扩充图像f1的拉普拉斯图像金字塔的第l阶图像上像素点(x,y)处的像素值,L(f2(x,y))表示第二原始扩充图像f2的拉普拉斯图像金字塔的第l阶图像上像素点(x,y)处的像素值;GRl表示所述区域图像的高斯金字塔的第l阶图像上像素点(x,y)处的像素值;
对所述待融合图像的拉普拉斯金字塔图像,从最高阶层开始向下扩展,将高阶层的扩展图像和与所述高阶层相邻的下一阶层的原始图像相加,得到所述下一阶层的扩展图像,用所述下一阶层的扩展图像替换所述下一阶层的原始图像,直至得到最低阶层的扩展图像;
依次将各阶层的扩展图像上对应像素点(x,y)处的像素值累加,得到的累加像素值作为所述待融合图像各个像素点的融合像素值,从而得到所述待融合图像的融合结果。
5.根据权利要求1所述的图像融合方法,其特征在于,通过算子模板Sx,Sy计算得到所述有效区域上重叠像素点的结构差值Egeometry,
Egeometry=(f1x-f2x)(f1y-f2y)
其中,f1x和f2x分别代表所述原始图像的当前像素点(x,y)在x方向梯度值,f1y f2y分别代表所述原始图像的当前像素点(x,y)在y方向梯度值。
6.根据权利要求1所述的图像融合方法,其特征在于,所述有效区域上重叠像素点的颜色差值Ecolor的计算方法是:
Ecolor=f1(x,y)-f2(x,y)
其中,f1(x,y)、f2(x,y)分别代表所述原始图像的当前像素点(x,y)处的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610486023.7A CN106204437B (zh) | 2016-06-28 | 2016-06-28 | 一种图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610486023.7A CN106204437B (zh) | 2016-06-28 | 2016-06-28 | 一种图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106204437A CN106204437A (zh) | 2016-12-07 |
CN106204437B true CN106204437B (zh) | 2019-05-28 |
Family
ID=57461473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610486023.7A Active CN106204437B (zh) | 2016-06-28 | 2016-06-28 | 一种图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106204437B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644411A (zh) * | 2017-09-19 | 2018-01-30 | 武汉中旗生物医疗电子有限公司 | 超声宽景成像方法及装置 |
CN107610051A (zh) * | 2017-09-22 | 2018-01-19 | 北京林业大学 | 无人机航拍图像拼接的正射图像生成方法及装置 |
CN109948398B (zh) * | 2017-12-20 | 2024-02-13 | 深圳开阳电子股份有限公司 | 全景泊车的图像处理方法及全景泊车装置 |
CN108198135B (zh) * | 2018-01-02 | 2020-06-09 | 佛山科学技术学院 | 一种全景图像拼接最优缝合线搜索方法 |
CN110246170A (zh) * | 2019-06-03 | 2019-09-17 | 岳宇飞 | 一种获得浅景深图像的方法 |
CN110823358B (zh) * | 2019-11-08 | 2021-10-08 | 重庆邮电大学 | 一种基于视觉处理的建筑振动位移测量方法 |
CN111709877B (zh) * | 2020-05-22 | 2023-05-02 | 浙江四点灵机器人股份有限公司 | 一种针对工业检测的图像融合方法 |
CN113222980A (zh) * | 2021-06-01 | 2021-08-06 | 安徽建筑大学 | 一种基于无人机平台的洪涝灾害查勘方法 |
CN113240688A (zh) * | 2021-06-01 | 2021-08-10 | 安徽建筑大学 | 一种一体化洪涝灾害精准监测预警方法 |
CN115953346B (zh) * | 2023-03-17 | 2023-06-16 | 广州市易鸿智能装备有限公司 | 一种基于特征金字塔的图像融合方法、装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578091A (zh) * | 2013-10-10 | 2014-02-12 | 中国科学院上海技术物理研究所 | 一种基于拉普拉斯金字塔的红外偏振图像融合方法 |
US8885976B1 (en) * | 2013-06-20 | 2014-11-11 | Cyberlink Corp. | Systems and methods for performing image fusion |
CN104240212A (zh) * | 2014-09-03 | 2014-12-24 | 西安电子科技大学 | 基于目标特征的isar图像融合方法 |
-
2016
- 2016-06-28 CN CN201610486023.7A patent/CN106204437B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8885976B1 (en) * | 2013-06-20 | 2014-11-11 | Cyberlink Corp. | Systems and methods for performing image fusion |
CN103578091A (zh) * | 2013-10-10 | 2014-02-12 | 中国科学院上海技术物理研究所 | 一种基于拉普拉斯金字塔的红外偏振图像融合方法 |
CN104240212A (zh) * | 2014-09-03 | 2014-12-24 | 西安电子科技大学 | 基于目标特征的isar图像融合方法 |
Non-Patent Citations (4)
Title |
---|
全景图像拼接关键技术研究;赵书睿;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140115(第01期);I138-1937 |
关于数学之美中动态规划解决最短路径的理解;zz与天共渺;《http://blog.sina.com.cn/s/blog_98cf2a6f0101afon.html》;20130923;1-3 |
图像拼接的改进算法;方贤勇 等;《计算机辅助设计与图形学学报》;20031130;第15卷(第11期);1362-1365,i-ii |
提取遥感影像有效区域;yh1601821;《https://blog.csdn.net/yhl601821/article/details/28889443》;20140606;1-6 |
Also Published As
Publication number | Publication date |
---|---|
CN106204437A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106204437B (zh) | 一种图像融合方法 | |
US7609888B2 (en) | Separating a video object from a background of a video sequence | |
JP2856229B2 (ja) | 画像切り出し箇所検出方法 | |
CN111160085A (zh) | 一种人体图像关键点姿态估计方法 | |
JP5157768B2 (ja) | 画像処理装置および方法、並びにプログラム | |
CN106940876A (zh) | 一种基于surf的快速无人机航拍图像拼接算法 | |
JP2005100407A (ja) | 複数のソース画像からパノラマ画像を作成するシステム及び方法 | |
US8711141B2 (en) | 3D image generating method, 3D animation generating method, and both 3D image generating module and 3D animation generating module thereof | |
JP2002208005A (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよび画像処理プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN106530267B (zh) | 一种避免全景图像错位的融合方法 | |
CN108198135B (zh) | 一种全景图像拼接最优缝合线搜索方法 | |
US20190108615A1 (en) | Image Stitching Method and Device | |
CN106709878A (zh) | 一种快速图像融合方法 | |
JP3696952B2 (ja) | 画像合成装置および方法 | |
CN106485658A (zh) | 一种用于图像拼接的最优缝合线搜索方法 | |
CN111931915A (zh) | 一种基于diou损失函数的训练网络的方法 | |
CN106780326A (zh) | 一种提高全景图像清晰度的融合方法 | |
JP2008146278A (ja) | 細胞輪郭抽出装置、細胞輪郭抽出方法およびプログラム | |
CN115908459B (zh) | 一种图像分割方法、装置、计算机设备和可读存储介质 | |
Ciotta et al. | Depth guided image completion for structure and texture synthesis | |
JP4379706B2 (ja) | 領域抽出方法 | |
CN106447612A (zh) | 一种图像拼接方法和生成装置 | |
KR20020078663A (ko) | 디지털 모자이크 이미지 구성에서 다수의 조각 이미지들을위치 정합시키는 디지털 조각 이미지 정합처리방법 및정합처리장치 | |
JP7144384B2 (ja) | オブジェクト検出装置、方法及びプログラム | |
CN107610051A (zh) | 无人机航拍图像拼接的正射图像生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |