CN114998175A - 基于区域边缘强度的图像融合方法和装置 - Google Patents
基于区域边缘强度的图像融合方法和装置 Download PDFInfo
- Publication number
- CN114998175A CN114998175A CN202210679990.0A CN202210679990A CN114998175A CN 114998175 A CN114998175 A CN 114998175A CN 202210679990 A CN202210679990 A CN 202210679990A CN 114998175 A CN114998175 A CN 114998175A
- Authority
- CN
- China
- Prior art keywords
- edge
- pixel
- edge intensity
- source images
- edge strength
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 8
- 230000004927 fusion Effects 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 abstract description 10
- 230000035772 mutation Effects 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 4
- 230000014759 maintenance of location Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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)
- Image Analysis (AREA)
Abstract
本申请涉及一种基于区域边缘强度的图像融合方法和装置，所述方法包括：并行获取两路源图像数据；分别对两路源图像进行逐像素点卷积运算，获得点边缘强度；将源图像分为多个块，基于点边缘强度计算每个块的区域边缘强度；基于区域边缘强度计算两路源图像之间的边缘强度差别；根据边缘强度差别确定两路源图像各自的权重；根据权重将两路源图像进行加权融合。本申请的方案改进逐像素点融合的权重算法，根据多个相邻区域的边缘强度关系，使得权重变化更平滑，既保证了边缘强度大的源图像的信息保留，又减少了权重突变引起的不足；本方案支持并行信号输入，并行信号输出，对系统接口没有改变，即插即用。
Description
技术领域
本申请涉及图像融合技术领域，具体涉及一种基于区域边缘强度的图像融合方法和装置。
背景技术
图像融合(Image Fusion)是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度地提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。
目前的常用的图像融合方法有逐像素点的融合方法、金字塔分解重构方法等。逐像素融合利用当前像素的计算信息，计算量小、过程简单，但是融合效果一般，该方法的缺陷是过于依赖该像素点附近小区域的边缘强度，在很小的区域内，两种源图像权重变化过大，造成两幅图像融合比例变化过大，容易出现图像灰度突变点，造成融合图像边缘过渡剧烈、闪点、闪边等现象，尤其在视频流中，可视效果较差。基于金字塔的分解重构方法，采用逐层分解高低频信息、逐层融合，再通过金字塔重构，较好地解决了边缘过渡剧烈、闪点的问题，图像融合效果较好、观感较好，但是分解和重构过程用到多次图像上下采样，计算比较复杂，难以并行实现。
发明内容
为至少在一定程度上克服相关技术中存在的问题，本申请提供一种基于区域边缘强度的图像融合方法和装置。
根据本申请实施例的第一方面，提供一种基于区域边缘强度的图像融合方法，包括：
并行获取两路源图像数据；
分别对两路源图像进行逐像素点卷积运算，获得点边缘强度；
将源图像分为多个块，基于点边缘强度计算每个块的区域边缘强度；
基于区域边缘强度计算两路源图像之间的边缘强度差别；
根据边缘强度差别确定两路源图像各自的权重；
根据权重将两路源图像进行加权融合。
进一步地，所述进行逐像素点卷积运算，包括：
将源图像与预设的拉普拉斯算子进行卷积运算，获得每个像素点对应的点边缘强度。
进一步地，将源图像分为多个块，包括：
将图像分为M列N行，共M×N个矩形的块；其中，每个块的列序号为i，行序号为j。
进一步地，基于点边缘强度计算每个块的区域边缘强度，包括：
每个块的区域边缘强度Edgeij为该块内所有像素点的点边缘强度之和。
进一步地，计算每个块的区域边缘强度之后，还包括：
对每个块的区域边缘强度Edgeij进行限幅，并分为K个等级；
其中K为预设的正整数。
进一步地，所述对每个块的区域边缘强度Edgeij进行限幅，包括：
其中TH为预设的限幅参数。
进一步地，计算两路源图像之间的边缘强度差别，包括：
每个块的边缘强度差别为：Diffij＝K+Edge1_ij-Edge2_ij；
其中，Edge1_ij、Edge2_ij分别为两个源图像的对应块的限幅后的区域边缘强度。
进一步地，根据边缘强度差别确定两路源图像各自的权重，包括：
根据像素点所在的位置，确定其左上、右上、左下、右下四个相邻的块；
基于四个相邻的块的边缘强度差别，确定该像素点的权重值。
进一步地，根据权重将两路源图像进行加权融合，包括：
RH＝Index1×I1+Index2×I2；
其中，I1、I2分别为两个源图像，Index1、Index2分别为两个源图像的权重，RH为融合后的结果。
根据本申请实施例的第二方面，提供一种基于区域边缘强度的图像融合装置，包括：
缓存模块，用于并行获取源图像数据；
卷积运算模块，用于对源图像进行逐像素点卷积运算，获得点边缘强度；
边缘强度计算模块，用于将源图像分为多个块，基于点边缘强度计算每个块的区域边缘强度；
所述缓存模块、所述卷积运算模块和所述边缘强度计算模块的数量均为两个，用于对两路源图像数据进行并行处理；
强度差别计算模块，用于基于区域边缘强度计算两路源图像之间的边缘强度差别；
确定模块，用于根据边缘强度差别确定两路源图像各自的权重；
融合模块，用于根据权重将两路源图像进行加权融合。
本申请的实施例提供的技术方案具备以下有益效果：
本申请的方案改进逐像素点融合的权重算法，根据多个相邻区域的边缘强度关系，使得权重变化更平滑，既保证了边缘强度大的源图像的信息保留，又减少了权重突变引起的不足；本方案支持并行信号输入，并行信号输出，对系统接口没有改变，即插即用。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是根据一示例性实施例示出的一种基于区域边缘强度的图像融合方法的流程图。
图2是根据一示例性实施例示出的一种图像融合的具体流程示意图。
图3是根据一示例性实施例示出的一种图像分块示意图。
图4是根据一示例性实施例示出的一种边缘强度差别计算示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法和装置的例子。
为进一步详述本申请的技术方案，首先简单介绍边缘强度的概念。
图像最基本的特征是边缘，所谓边缘是指其周围像素灰度有阶跃变化的那些像素的集合。它存在于目标与背景之间，因此它是图像分割所依赖的最重要的特征。边缘强度，实质上是边缘点梯度的幅值。经典的边缘提取是以原始图像为基础的，对图像的每个像素考察它的某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律用简单的方法检测边缘。边缘点是指它两边像素的灰度值有显著的不同，边缘点存在于这样一对邻点之间：即一个在较亮的区域内部，另一个在外部。
图1是根据一示例性实施例示出的一种基于区域边缘强度的图像融合方法的流程图。该方法可以包括以下步骤：
步骤S1、并行获取两路源图像数据；
步骤S2、分别对两路源图像进行逐像素点卷积运算，获得点边缘强度；
步骤S3、将源图像分为多个块，基于点边缘强度计算每个块的区域边缘强度；
步骤S4、基于区域边缘强度计算两路源图像之间的边缘强度差别；
步骤S5、根据边缘强度差别确定两路源图像各自的权重；
步骤S6、根据权重将两路源图像进行加权融合。
本申请的方案改进逐像素点融合的权重算法，根据多个相邻区域的边缘强度关系，使得权重变化更平滑，既保证了边缘强度大的源图像的信息保留，又减少了权重突变引起的不足；本方案支持并行信号输入，并行信号输出，对系统接口没有改变，即插即用。
应当理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明的实施例作进一步详细描述。
首先执行步骤S1，并行获取两路源图像数据。如图2所示，本申请的方案能够同步获取两路源图像数据，然后采用两个线程分别对两路源图像数据进行并行处理，这样能够提高处理速度。
接下来执行步骤S2，分别对两路源图像进行逐像素点卷积运算，获得点边缘强度。在一些实施例中，进行逐像素点卷积运算的步骤包括：将源图像与预设的拉普拉斯算子进行卷积运算，获得每个像素点对应的点边缘强度。在实际应用中，原始图像I1，I2根据拉普拉斯算子A，逐像素点卷积计算出边缘信息。
Edge＝I*A
Edge为源图像和算子A的卷积，即图像边缘信息，两幅图像分别得到Edge1，Edge2。其中，拉普拉斯算子A是一个通用算子，本申请不再详细说明。
接下来执行步骤S3，将源图像分为多个块，基于点边缘强度计算每个块的区域边缘强度。如图3所示，将图像分为M列N行，共M×N个矩形的块(1≤i≤M，1≤j≤N)，其中每个块的列序号为i，行序号为j。每个块的横轴方向长度为LX，纵轴方向长度为LY；每个块的长宽都大于32个像素点，也即LX≥32，LY≥32。
步骤S3中，基于点边缘强度计算每个块的区域边缘强度的步骤包括：每个块的区域边缘强度Edgeij为该块内所有像素点的点边缘强度之和。对于每一张完整的源图像，对每个块分别计算块内Edge的和，两个源图像分别得到M×N个Edge1ij、Edge2ij。
执行步骤S3之后，还需要执行如下步骤：对每个块的区域边缘强度Edgeij进行限幅，并分为K个等级；其中K为预设的正整数。
在实际应用中，为了简化计算，对每个块的区域边缘强度Edge1ij、Edge2ij进行限幅，并分为K级，即：
其中TH1、TH2为限幅参数，可以根据实际应用预先确定具体数值。
接下来执行步骤S4，基于区域边缘强度计算两路源图像之间的边缘强度差别。计算出对应块的边缘信息的差别，并做适当偏移，得到M×N个块的边缘强度差别Diffij值：Diffij＝K+Edge1_ij-Edge2_ij；其中，Edge1_ij、Edge2_ij分别为两个源图像的对应块的限幅后的区域边缘强度。容易理解的是，Diffij的取值范围是0～2K。
接下来执行步骤S5，根据边缘强度差别确定两路源图像各自的权重。具体地，步骤S5具体包括步骤S501和步骤S502。
步骤S501，根据像素点所在的位置，确定其左上、右上、左下、右下四个相邻的块。如图4所示，根据该点所在的位置，其左上/右上/左下/右下，有四个相邻块ABCD，图中实线为块分界，虚线为块中心线。
步骤S502，基于四个相邻的块的边缘强度差别，确定该像素点的权重值。取4个块的边缘差值，作双线性插值，作为某像素点的值的计算权重。如图所示，X1、X2为该点距离ABCD四个块中心的横轴方向的距离值，Y1、Y2为该点距离ABCD中心的纵轴方向的距离值，其中：
X1+X2＝LX
Y1+Y2＝LY
根据像素点所在块的Diff值，由下面公式计算得到两个传感器源图像1和2的权重：
其中：Index1+Index2＝1。
本方案采用上述实施例，Edge1和Edge2的值分为K级，Diff计算中分为2K级别；因此在权重Index计算中，除以2K得到的值，即为0-1的值；这一过程即是对权重计算进行了归一化，避免了融合图像的突变和不稳定。
接下来执行步骤S6，根据权重将两路源图像进行加权融合。由下面公式计算得出最后融合结果：RH＝Index1×I1+Index2×I2；
其中I1，I2为融合的源图像，RH为融合两种图像的结果。
如图2所示，在一些实施例中，通过FPGA实现本方法的流程是：(1)两个视频源的并行数据进入缓存模块；(2)对图像每个像素进行卷积计算；(3)分块计算区域边缘强度；(4)对边缘强度进行分级简化；(5)计算两种视频源的边缘强度差别，并存储到查找表；(6)根据查找表和像素点当前位置计算出融合权重；(7)根据融合权重，把两个视频源进行加权求和。
综上所述，本方法的特点是：(1)结合边缘和双线性插值的特点，速度能满足并行计算的要求，且基本保持金字塔分解重构的效果；(2)对图像边缘强度和权重计算进行了归一化，避免了融合图像的突变和不稳定；(3)支持并行信号输入，并行信号输出，对系统接口没有改变，即插即用。
本申请的实施例还提供一种基于区域边缘强度的图像融合装置，该装置包括：缓存模块、卷积运算模块、边缘强度计算模块、强度差别计算模块、确定模块、融合模块。
缓存模块，用于并行获取源图像数据。卷积运算模块，用于对源图像进行逐像素点卷积运算，获得点边缘强度。边缘强度计算模块，用于将源图像分为多个块，基于点边缘强度计算每个块的区域边缘强度。其中，所述缓存模块、所述卷积运算模块和所述边缘强度计算模块的数量均为两个，用于对两路源图像数据进行并行处理。
强度差别计算模块，用于基于区域边缘强度计算两路源图像之间的边缘强度差别。确定模块，用于根据边缘强度差别确定两路源图像各自的权重。融合模块，用于根据权重将两路源图像进行加权融合。
在一些实施例中，所述卷积运算模块具体用于：将源图像与预设的拉普拉斯算子进行卷积运算，获得每个像素点对应的点边缘强度。
在一些实施例中，所述边缘强度计算模块用于将源图像分为多个块，具体包括：将图像分为M列N行，共M×N个矩形的块；其中，每个块的列序号为i，行序号为j。
在一些实施例中，所述边缘强度计算模块用于计算每个块的区域边缘强度，具体包括：每个块的区域边缘强度Edgeij为该块内所有像素点的点边缘强度之和。
在一些实施例中，所述边缘强度计算模块还用于：对每个块的区域边缘强度Edgeij进行限幅，并分为K个等级；其中K为预设的正整数。
在一些实施例中，所述边缘强度计算模块对每个块的区域边缘强度Edgeij进行限幅，具体执行如下计算：
其中TH为预设的限幅参数。
在一些实施例中，所述强度差别计算模块具体用于执行如下计算：每个块的边缘强度差别为：Diffij＝K+Edge1_ij-Edge2_ij；其中，Edge1_ij、Edge2_ij分别为两个源图像的对应块的限幅后的区域边缘强度。
在一些实施例中，所述确定模块具体用于：根据像素点所在的位置，确定其左上、右上、左下、右下四个相邻的块；基于四个相邻的块的边缘强度差别，确定该像素点的权重值。
在一些实施例中，所述融合模块具体用于执行如下计算：
RH＝Index1×I1+Index2×I2；
其中，I1、I2分别为两个源图像，Index1、Index2分别为两个源图像的权重，RH为融合后的结果。
关于上述实施例中的装置，其中各个模块执行操作的具体步骤已经在有关该方法的实施例中进行了详细描述，此处不再详细阐述说明。上述图像融合装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于区域边缘强度的图像融合方法，其特征在于，包括：
并行获取两路源图像数据；
分别对两路源图像进行逐像素点卷积运算，获得点边缘强度；
将源图像分为多个块，基于点边缘强度计算每个块的区域边缘强度；
基于区域边缘强度计算两路源图像之间的边缘强度差别；
根据边缘强度差别确定两路源图像各自的权重；
根据权重将两路源图像进行加权融合。
2.根据权利要求1所述的方法，其特征在于，所述进行逐像素点卷积运算，包括：
将源图像与预设的拉普拉斯算子进行卷积运算，获得每个像素点对应的点边缘强度。
3.根据权利要求1所述的方法，其特征在于，将源图像分为多个块，包括：
将图像分为M列N行，共M×N个矩形的块；其中，每个块的列序号为i，行序号为j。
4.根据权利要求3所述的方法，其特征在于，基于点边缘强度计算每个块的区域边缘强度，包括：
每个块的区域边缘强度Edgeij为该块内所有像素点的点边缘强度之和。
5.根据权利要求1-4任一项所述的方法，其特征在于，计算每个块的区域边缘强度之后，还包括：
对每个块的区域边缘强度Edgeij进行限幅，并分为K个等级；
其中K为预设的正整数。
6.根据权利要求5所述的方法，其特征在于，所述对每个块的区域边缘强度Edgeij进行限幅，包括：
其中TH为预设的限幅参数。
7.根据权利要求6所述的方法，其特征在于，计算两路源图像之间的边缘强度差别，包括：
每个块的边缘强度差别为：Diffij＝K+Edge1_ij-Edge2_ij；
其中，Edge1_ij、Edge2_ij分别为两个源图像的对应块的限幅后的区域边缘强度。
8.根据权利要求1-4任一项所述的方法，其特征在于，根据边缘强度差别确定两路源图像各自的权重，包括：
根据像素点所在的位置，确定其左上、右上、左下、右下四个相邻的块；
基于四个相邻的块的边缘强度差别，确定该像素点的权重值。
9.根据权利要求1所述的方法，其特征在于，根据权重将两路源图像进行加权融合，包括：
RH＝Index1×I1+Index2×I2；
其中，I1、I2分别为两个源图像，Index1、Index2分别为两个源图像的权重，RH为融合后的结果。
10.一种基于区域边缘强度的图像融合装置，其特征在于，包括：
缓存模块，用于并行获取源图像数据；
卷积运算模块，用于对源图像进行逐像素点卷积运算，获得点边缘强度；
边缘强度计算模块，用于将源图像分为多个块，基于点边缘强度计算每个块的区域边缘强度；
所述缓存模块、所述卷积运算模块和所述边缘强度计算模块的数量均为两个，用于对两路源图像数据进行并行处理；
强度差别计算模块，用于基于区域边缘强度计算两路源图像之间的边缘强度差别；
确定模块，用于根据边缘强度差别确定两路源图像各自的权重；
融合模块，用于根据权重将两路源图像进行加权融合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210679990.0A CN114998175B (zh) | 2022-06-16 | 2022-06-16 | 基于区域边缘强度的图像融合方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210679990.0A CN114998175B (zh) | 2022-06-16 | 2022-06-16 | 基于区域边缘强度的图像融合方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114998175A true CN114998175A (zh) | 2022-09-02 |
| CN114998175B CN114998175B (zh) | 2023-09-05 |
Family
ID=83036013
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210679990.0A Active CN114998175B (zh) | 2022-06-16 | 2022-06-16 | 基于区域边缘强度的图像融合方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114998175B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100027906A1 (en) * | 2008-07-29 | 2010-02-04 | Ricoh Company, Ltd. | Image processing unit, noise reduction method, program and storage medium |
| WO2011036777A1 (ja) * | 2009-09-25 | 2011-03-31 | 株式会社 東芝 | 画像処理装置 |
| CN102682426A (zh) * | 2011-03-11 | 2012-09-19 | 索尼公司 | 图像处理设备、图像处理方法及程序 |
| US20150348234A1 (en) * | 2014-05-30 | 2015-12-03 | National Chiao Tung University | Method for image enhancement, image processing apparatus and computer readable medium using the same |
| US20190108629A1 (en) * | 2016-06-15 | 2019-04-11 | Olympus Corporation | Image processing device, image processing method, and image processing program |
| CN110084771A (zh) * | 2019-03-11 | 2019-08-02 | 中北大学 | 一种基于集值映射的双模态红外图像分块多算法优化融合方法 |
| CN110782424A (zh) * | 2019-11-08 | 2020-02-11 | 重庆紫光华山智安科技有限公司 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
-
2022
- 2022-06-16 CN CN202210679990.0A patent/CN114998175B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100027906A1 (en) * | 2008-07-29 | 2010-02-04 | Ricoh Company, Ltd. | Image processing unit, noise reduction method, program and storage medium |
| WO2011036777A1 (ja) * | 2009-09-25 | 2011-03-31 | 株式会社 東芝 | 画像処理装置 |
| CN102682426A (zh) * | 2011-03-11 | 2012-09-19 | 索尼公司 | 图像处理设备、图像处理方法及程序 |
| US20150348234A1 (en) * | 2014-05-30 | 2015-12-03 | National Chiao Tung University | Method for image enhancement, image processing apparatus and computer readable medium using the same |
| US20190108629A1 (en) * | 2016-06-15 | 2019-04-11 | Olympus Corporation | Image processing device, image processing method, and image processing program |
| CN110084771A (zh) * | 2019-03-11 | 2019-08-02 | 中北大学 | 一种基于集值映射的双模态红外图像分块多算法优化融合方法 |
| CN110782424A (zh) * | 2019-11-08 | 2020-02-11 | 重庆紫光华山智安科技有限公司 | 图像融合方法、装置、电子设备及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| STEFANIA COLONNESE等: "Fast image interpolation using Circular Harmonic Functions", 《IEEE》 * |
| 吴粉侠;李红;: "基于边缘强度匹配的图像融合并行算法的研究", 电子设计工程, no. 23 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114998175B (zh) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105517671B (zh) | 一种基于光流法的视频插帧方法及系统 | |
| CA2745380C (en) | Devices and methods for processing images using scale space | |
| JP5879528B2 (ja) | 画像生成装置、及び画像生成方法 | |
| JP6061834B2 (ja) | 奥行き画像の解像度を増大させる方法とシステム | |
| CN107133914B (zh) | 用于生成三维彩色图像的装置和用于生成三维彩色图像的方法 | |
| JP2000188680A (ja) | 高解像度画像の生成方法及びシステム | |
| EP1815441B1 (en) | Rendering images based on image segmentation | |
| Vu et al. | Perception-enhanced image super-resolution via relativistic generative adversarial networks | |
| KR100860968B1 (ko) | 해상도 향상 장치 및 방법 | |
| Zhao et al. | Cross-scale reference-based light field super-resolution | |
| Ttofis et al. | High-quality real-time hardware stereo matching based on guided image filtering | |
| CN112529794A (zh) | 高动态范围结构光三维测量方法、系统及介质 | |
| CN115546027B (zh) | 图像缝合线确定方法、装置以及存储介质 | |
| CN109191498A (zh) | 基于动态记忆和运动感知的目标检测方法及系统 | |
| JP2002525723A (ja) | ディジタル画像をズームする方法及び装置 | |
| Salehian et al. | Dynamic programming-based dense stereo matching improvement using an efficient search space reduction technique | |
| CN116309033A (zh) | 超分辨率图像生成方法、装置以及存储介质 | |
| CN110580696A (zh) | 一种细节保持的多曝光图像快速融合方法 | |
| CN114998175A (zh) | 基于区域边缘强度的图像融合方法和装置 | |
| CN104732508B (zh) | 基于分布式压缩感知的图像融合方法 | |
| CN109410302B (zh) | 纹理映射方法、装置、计算机设备和存储介质 | |
| Zhiwei et al. | An image zooming technique based on the relative color difference of pixels | |
| CN112991174A (zh) | 一种提高单帧红外图像分辨率的方法与系统 | |
| WO2022106016A1 (en) | High-order texture filtering | |
| CN111626935B (zh) | 像素图缩放方法、游戏内容生成方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |