【技術實現步驟摘要】
本專利技術涉及圖像融合，具體為一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法。
技術介紹
1、在現代軍事行動中，隨著偽裝技術的不斷進步，士兵、武器彈藥及其他軍事物資與環境高度相似，使得傳統光學目標識別技術難以有效識別偽裝目標；偏振成像技術通過捕捉物體表面對光的偏振特性，增強物體與背景之間的對比度，提供額外的圖像信息；融合偏振信息與光譜信息可以更全面地描述目標物體的特性；這種多維信息有助于更準確地識別和區分不同類型的物體，特別是在復雜背景中；偏振光譜圖像融合方法作為一種在復雜背景下識別目標信息的技術被提出。
2、以往的偏振光譜圖像融合方法，由于前后圖像的光源、偏振和光譜不同，容易導致光譜失真，特別是融合后的圖像存在過多冗余信息且圖像邊緣信息丟失明顯；因此我們提出了一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法來解決上述問題。
技術實現思路
1、解決的技術問題
2、針對現有技術的不足，本專利技術提供了一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，解決了上述
技術介紹
中所提出的問題。
3、(二)技術方案
4、本專利技術為了實現上述目的具體采用以下技術方案：
5、一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，包括以下步驟：
6、s1，準備偏振光譜圖像：通過偏振光譜成像系統對偏振光譜圖像采集，獲取四個不同線偏振角度(0°，45°，90°和135°)的偏振光譜圖像和光強圖像i；
7、s2，數據預處理：
8、s3，初步融合：對具有相同邊緣信息的偏振光譜圖像及可見光圖像采用非下采樣輪廓波變換分解，低通子帶取均值，高通子帶通過幅值最大規則進行初步融合，獲得偏振特征s；
9、s4，圖像融合：對偏振特征、強度圖像以及偏振度進行非下采樣輪廓波變換分解，對分解所得低通子帶采用改進脈沖耦合神經網絡的方法融合，對高通子帶采用基于局部模式譜特征的加權融合規則進行融合；
10、s5，圖像重建：對s4融合的圖像采用非下采樣輪廓波變換重建處理，獲得最終的融合圖像；
11、s6，圖像評價：對圖像以主觀形式和客觀指標對融合效果評價，客觀指標包括標準差、信息熵、平均梯度。
12、進一步地，所述s2中圖像預處理中的四個方向參量和線偏振度圖像的方法為，對偏振數據集中四個方向(0°，45°，90°，135°)的偏振圖像以及使用stokes矢量來定量描述強度圖像s0和偏振度圖像dolp的斯托克斯矢量計算如下式所示：
13、
14、其中i為兩個坐標軸方向偏振分量光強之和；q表示0°和90°方向線性偏振的強度差圖像；u表示45°和135°方向線性偏振的強度差圖像。
15、進一步地，所述s3初步融合中，非下采樣輪廓波變換是一種改進的多尺度、多方向圖像變換方法，通過使用非下采樣金字塔和非下采樣方向濾波器組，避免了傳統輪廓波變換中的信息丟失問題；
16、非下采樣輪廓波變換將圖像分解為多個尺度和方向的子帶，有效捕捉圖像細節和方向特征，同時保持圖像的平移不變性，從而在圖像融合應用中提供高質量的處理結果；非下采樣輪廓波變換包括兩個主要步驟：
17、首先，利用非下采樣金字塔對圖像進行多尺度分解，生成高通子帶和低通子帶；接著，使用非下采樣方向濾波器組對高通子帶進行方向分解，將頻率域劃分為多個子帶，并通過層二叉樹結構組織這些子帶；
18、非下采樣輪廓波變換主要分成以下兩步，首先利用非下采樣金字塔進行多尺度分解，分解成高通和子帶和低通子帶兩部分，再利用非下采樣方向濾波器組對高通子帶進行方向分解，利用層二叉樹將頻域分為多個子帶，非下采樣輪廓波變換分解層數為2，第一層進行4個方向分解，第二層進行8個方向分解。
19、進一步地，所述s4圖像融合中0，局部譜模式的特征在于將圖像中的每個局部區域轉換到頻率域，并從中提取紋理特征；
20、首先，對圖像的每個像素，選擇一個周圍的小窗口，作為局部區域，其次，應用傅里葉變換將這些局部區域從其原始的空間域轉換到頻率域；在頻率域內，能夠檢測到各種頻率成分，成分揭示了局部區域的紋理信息；再對這些頻率成分中提取幅度特征，并將這些特征進行編碼，得到局部紋理的表示；
21、高通子帶側重于圖像的邊緣、紋理、精細結構等細節，強調圖像的細節，有助于確定圖像的邊界與結構；通過局部模式譜計算得出權重，步驟如下：
22、(5)分別對s，q1和dolp圖像的每個像素p，計算其lsps(p)，和lspdolp(p)；(6)對于每個局部模式譜特征，計算es(p)，和edolp(p)；
23、(7)能量歸一化處理：
24、
25、上述公式中es(p)，和edolp(p)分別為圖像s，q1，dolp圖像的同一像素點的局部模式譜特征，ws(p)是與es(p)相關的歸一化權重，表示該像素點p處與處的偏振分量s所占的比例；是與相關的歸一化權重，表示該像素點p處與處的偏振分量q1所占的比例；wdolp(p)是與edolp(p)相關的歸一化權重，表示該像素點p處與處的偏振分量dolp所占的比例，
26、(8)高頻子帶融合公式為：
27、
28、上式中hs(p)，hdolp(p)分別代表同一方向不同一尺度下的高通子帶，hf(p)為融合后的高通子帶。
29、進一步地，所述s4圖像融合中局部模式譜特征的高通子帶融合，由于局部模式譜特征的量級可能會有很大差異，為了使權重更加穩定且易于比較，將局部模式譜特征進行歸一化處理，如下式計算得到不同圖像同一位置的局部模式譜權重，再對高通子帶融合，融合規則如下式；
30、
31、hf(p)＝w1(p)·h1(p)+w2(p)·h2(p)
32、上式中，e1(p)和e2(p)為對于每個局部模式譜特征，計算能量得出；上式中，hf(p)是融合后的高頻子帶像素質，w1(p)和w2(p)是基于局部模式譜特征計算得出的權重。
33、進一步地，所述s4圖像融合中低通子帶采用結合改進脈沖耦合神經網絡的方法融合在于低通子帶代表原圖像中灰度值變化較為均勻的部分，低通子帶是在原始圖象中灰度分布比較均勻的區域，主要顯示圖像的全局特征和整體結構，包含圖像中的全局信息和較低頻率的細節；結合脈沖耦合神經網絡的低通子帶融合具體步驟如下：
34、(8)分別計算s，q1和dolp圖像的第j層系數ca,j(x,y)，cb,j(x,y)；
35、(9)分別對ca,j(x,y)，cb,j(x,y)做歸一化處理，同時輸入f信道激活脈沖耦合神經網絡網絡；
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，像素不會被激發，所以yj(x,y,0)＝0，生成的脈沖數tj(x,y,0本文檔來自技高網...
【技術保護點】
1.一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，其特征在于：包括以下步驟，
2.根據權利要求1所述的一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，其特征在于：所述S2中圖像預處理中的四個方向參量和線偏振度圖像的方法為，對偏振數據集中四個方向(0°，45°，90°，135°)的偏振圖像以及使用Stokes矢量來定量描述強度圖像S0和偏振度圖像DoLP的斯托克斯矢量計算如下式所示：
3.根據權利要求1所述的一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，其特征在于：所述S3初步融合中，非下采樣輪廓波變換是一種改進的多尺度、多方向圖像變換方法，通過使用非下采樣金字塔和非下采樣方向濾波器組，避免了傳統輪廓波變換中的信息丟失問題；
4.根據權利要求1所述的一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，其特征在于：所述S4圖像融合中0，局部譜模式的特征在于將圖像中的每個局部區域轉換到頻率域，并從中提取紋理特征；
5.根據權利要求1所述的一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，其特征在于：所述S4圖像融合中局部模式譜特征
6.根據權利要求1所述的一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，其特征在于：所述S4圖像融合中低通子帶采用結合改進脈沖耦合神經網絡的方法融合在于低通子帶代表原圖像中灰度值變化較為均勻的部分，低通子帶是在原始圖象中灰度分布比較均勻的區域，主要顯示圖像的全局特征和整體結構，包含圖像中的全局信息和較低頻率的細節；結合脈沖耦合神經網絡的低通子帶融合具體步驟如下：
...【技術特征摘要】
1.一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，其特征在于：包括以下步驟，
2.根據權利要求1所述的一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，其特征在于：所述s2中圖像預處理中的四個方向參量和線偏振度圖像的方法為，對偏振數據集中四個方向(0°，45°，90°，135°)的偏振圖像以及使用stokes矢量來定量描述強度圖像s0和偏振度圖像dolp的斯托克斯矢量計算如下式所示：
3.根據權利要求1所述的一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，其特征在于：所述s3初步融合中，非下采樣輪廓波變換是一種改進的多尺度、多方向圖像變換方法，通過使用非下采樣金字塔和非下采樣方向濾波器組，避免了傳統輪廓波變換中的信息丟失問題；
4.根據權利要求1所述的一種基于非下采樣輪廓波變換的偏振光譜圖像融合方法，其特征在于：所述s4圖像融合中0，局...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。