【技术实现步骤摘要】
本专利技术涉及图像融合，具体为一种基于非下采样轮廓波变换的偏振光谱图像融合方法。
技术介绍
1、在现代军事行动中，随着伪装技术的不断进步，士兵、武器弹药及其他军事物资与环境高度相似，使得传统光学目标识别技术难以有效识别伪装目标；偏振成像技术通过捕捉物体表面对光的偏振特性，增强物体与背景之间的对比度，提供额外的图像信息；融合偏振信息与光谱信息可以更全面地描述目标物体的特性；这种多维信息有助于更准确地识别和区分不同类型的物体，特别是在复杂背景中；偏振光谱图像融合方法作为一种在复杂背景下识别目标信息的技术被提出。
2、以往的偏振光谱图像融合方法，由于前后图像的光源、偏振和光谱不同，容易导致光谱失真，特别是融合后的图像存在过多冗余信息且图像边缘信息丢失明显；因此我们提出了一种基于非下采样轮廓波变换的偏振光谱图像融合方法来解决上述问题。
技术实现思路
1、解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种基于非下采样轮廓波变换的偏振光谱图像融合方法，解决了上述
技术介绍
中所提出的问题。
3、(二)技术方案
4、本专利技术为了实现上述目的具体采用以下技术方案：
5、一种基于非下采样轮廓波变换的偏振光谱图像融合方法，包括以下步骤：
6、s1，准备偏振光谱图像：通过偏振光谱成像系统对偏振光谱图像采集，获取四个不同线偏振角度(0°，45°，90°和135°)的偏振光谱图像和光强图像i；
7、s2，数据预处理：
8、s3，初步融合：对具有相同边缘信息的偏振光谱图像及可见光图像采用非下采样轮廓波变换分解，低通子带取均值，高通子带通过幅值最大规则进行初步融合，获得偏振特征s；
9、s4，图像融合：对偏振特征、强度图像以及偏振度进行非下采样轮廓波变换分解，对分解所得低通子带采用改进脉冲耦合神经网络的方法融合，对高通子带采用基于局部模式谱特征的加权融合规则进行融合；
10、s5，图像重建：对s4融合的图像采用非下采样轮廓波变换重建处理，获得最终的融合图像；
11、s6，图像评价：对图像以主观形式和客观指标对融合效果评价，客观指标包括标准差、信息熵、平均梯度。
12、进一步地，所述s2中图像预处理中的四个方向参量和线偏振度图像的方法为，对偏振数据集中四个方向(0°，45°，90°，135°)的偏振图像以及使用stokes矢量来定量描述强度图像s0和偏振度图像dolp的斯托克斯矢量计算如下式所示：
13、
14、其中i为两个坐标轴方向偏振分量光强之和；q表示0°和90°方向线性偏振的强度差图像；u表示45°和135°方向线性偏振的强度差图像。
15、进一步地，所述s3初步融合中，非下采样轮廓波变换是一种改进的多尺度、多方向图像变换方法，通过使用非下采样金字塔和非下采样方向滤波器组，避免了传统轮廓波变换中的信息丢失问题；
16、非下采样轮廓波变换将图像分解为多个尺度和方向的子带，有效捕捉图像细节和方向特征，同时保持图像的平移不变性，从而在图像融合应用中提供高质量的处理结果；非下采样轮廓波变换包括两个主要步骤：
17、首先，利用非下采样金字塔对图像进行多尺度分解，生成高通子带和低通子带；接着，使用非下采样方向滤波器组对高通子带进行方向分解，将频率域划分为多个子带，并通过层二叉树结构组织这些子带；
18、非下采样轮廓波变换主要分成以下两步，首先利用非下采样金字塔进行多尺度分解，分解成高通和子带和低通子带两部分，再利用非下采样方向滤波器组对高通子带进行方向分解，利用层二叉树将频域分为多个子带，非下采样轮廓波变换分解层数为2，第一层进行4个方向分解，第二层进行8个方向分解。
19、进一步地，所述s4图像融合中0，局部谱模式的特征在于将图像中的每个局部区域转换到频率域，并从中提取纹理特征；
20、首先，对图像的每个像素，选择一个周围的小窗口，作为局部区域，其次，应用傅里叶变换将这些局部区域从其原始的空间域转换到频率域；在频率域内，能够检测到各种频率成分，成分揭示了局部区域的纹理信息；再对这些频率成分中提取幅度特征，并将这些特征进行编码，得到局部纹理的表示；
21、高通子带侧重于图像的边缘、纹理、精细结构等细节，强调图像的细节，有助于确定图像的边界与结构；通过局部模式谱计算得出权重，步骤如下：
22、(5)分别对s，q1和dolp图像的每个像素p，计算其lsps(p)，和lspdolp(p)；(6)对于每个局部模式谱特征，计算es(p)，和edolp(p)；
23、(7)能量归一化处理：
24、
25、上述公式中es(p)，和edolp(p)分别为图像s，q1，dolp图像的同一像素点的局部模式谱特征，ws(p)是与es(p)相关的归一化权重，表示该像素点p处与处的偏振分量s所占的比例；是与相关的归一化权重，表示该像素点p处与处的偏振分量q1所占的比例；wdolp(p)是与edolp(p)相关的归一化权重，表示该像素点p处与处的偏振分量dolp所占的比例，
26、(8)高频子带融合公式为：
27、
28、上式中hs(p)，hdolp(p)分别代表同一方向不同一尺度下的高通子带，hf(p)为融合后的高通子带。
29、进一步地，所述s4图像融合中局部模式谱特征的高通子带融合，由于局部模式谱特征的量级可能会有很大差异，为了使权重更加稳定且易于比较，将局部模式谱特征进行归一化处理，如下式计算得到不同图像同一位置的局部模式谱权重，再对高通子带融合，融合规则如下式；
30、
31、hf(p)＝w1(p)·h1(p)+w2(p)·h2(p)
32、上式中，e1(p)和e2(p)为对于每个局部模式谱特征，计算能量得出；上式中，hf(p)是融合后的高频子带像素质，w1(p)和w2(p)是基于局部模式谱特征计算得出的权重。
33、进一步地，所述s4图像融合中低通子带采用结合改进脉冲耦合神经网络的方法融合在于低通子带代表原图像中灰度值变化较为均匀的部分，低通子带是在原始图象中灰度分布比较均匀的区域，主要显示图像的全局特征和整体结构，包含图像中的全局信息和较低频率的细节；结合脉冲耦合神经网络的低通子带融合具体步骤如下：
34、(8)分别计算s，q1和dolp图像的第j层系数ca,j(x,y)，cb,j(x,y)；
35、(9)分别对ca,j(x,y)，cb,j(x,y)做归一化处理，同时输入f信道激活脉冲耦合神经网络网络；
36、(10)初始化，使lj(x,y,0)＝uj(x,y,0)＝0，θj(x,y,0)＝1，在初始化后，像素不会被激发，所以yj(x,y,0)＝0，生成的脉冲数tj(x,y,0本文档来自技高网...
【技术保护点】
1.一种基于非下采样轮廓波变换的偏振光谱图像融合方法，其特征在于：包括以下步骤，
2.根据权利要求1所述的一种基于非下采样轮廓波变换的偏振光谱图像融合方法，其特征在于：所述S2中图像预处理中的四个方向参量和线偏振度图像的方法为，对偏振数据集中四个方向(0°，45°，90°，135°)的偏振图像以及使用Stokes矢量来定量描述强度图像S0和偏振度图像DoLP的斯托克斯矢量计算如下式所示：
3.根据权利要求1所述的一种基于非下采样轮廓波变换的偏振光谱图像融合方法，其特征在于：所述S3初步融合中，非下采样轮廓波变换是一种改进的多尺度、多方向图像变换方法，通过使用非下采样金字塔和非下采样方向滤波器组，避免了传统轮廓波变换中的信息丢失问题；
4.根据权利要求1所述的一种基于非下采样轮廓波变换的偏振光谱图像融合方法，其特征在于：所述S4图像融合中0，局部谱模式的特征在于将图像中的每个局部区域转换到频率域，并从中提取纹理特征；
5.根据权利要求1所述的一种基于非下采样轮廓波变换的偏振光谱图像融合方法，其特征在于：所述S4图像融合中局部模式谱特征
6.根据权利要求1所述的一种基于非下采样轮廓波变换的偏振光谱图像融合方法，其特征在于：所述S4图像融合中低通子带采用结合改进脉冲耦合神经网络的方法融合在于低通子带代表原图像中灰度值变化较为均匀的部分，低通子带是在原始图象中灰度分布比较均匀的区域，主要显示图像的全局特征和整体结构，包含图像中的全局信息和较低频率的细节；结合脉冲耦合神经网络的低通子带融合具体步骤如下：
...【技术特征摘要】
1.一种基于非下采样轮廓波变换的偏振光谱图像融合方法，其特征在于：包括以下步骤，
2.根据权利要求1所述的一种基于非下采样轮廓波变换的偏振光谱图像融合方法，其特征在于：所述s2中图像预处理中的四个方向参量和线偏振度图像的方法为，对偏振数据集中四个方向(0°，45°，90°，135°)的偏振图像以及使用stokes矢量来定量描述强度图像s0和偏振度图像dolp的斯托克斯矢量计算如下式所示：
3.根据权利要求1所述的一种基于非下采样轮廓波变换的偏振光谱图像融合方法，其特征在于：所述s3初步融合中，非下采样轮廓波变换是一种改进的多尺度、多方向图像变换方法，通过使用非下采样金字塔和非下采样方向滤波器组，避免了传统轮廓波变换中的信息丢失问题；
4.根据权利要求1所述的一种基于非下采样轮廓波变换的偏振光谱图像融合方法，其特征在于：所述s4图像融合中0，局...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。