| 主权项 |
一种基于非负矩阵分解的多聚焦图像融合方法，该方法对配准后的多聚焦图像I<sub>A</sub>和I<sub>B</sub>进行融合，I<sub>A</sub>和I<sub>B</sub>均为灰度图像，且<img file="FDA0000524323660000011.GIF" wi="576" he="79" />是大小为M×N的空间，M和N均为正整数，其特征在于，该融合方法包括以下步骤：(1)构建多聚焦图像I<sub>A</sub>和I<sub>B</sub>的观测矩阵V；(2)用非负矩阵分解算法对观测矩阵V进行分解，得到基矩阵W；(3)将基矩阵W转换成大小为M×N的矩阵，该矩阵对应的图像为临时融合图像I<sub>0</sub>；(4)分别将临时融合图像I<sub>0</sub>与源图像I<sub>A</sub>和I<sub>B</sub>作差，得到差异图像D<sub>A</sub>和差异图像D<sub>B</sub>，其中：D<sub>A</sub>＝I<sub>0</sub>‑I<sub>A</sub>,D<sub>B</sub>＝I<sub>0</sub>‑I<sub>B</sub>；(5)计算差异图像D<sub>A</sub>和差异图像D<sub>B</sub>每个像素邻域内的梯度能量，邻域大小为5×5或7×7；(6)构建特征矩阵<img file="FDA0000524323660000012.GIF" wi="374" he="86" /><img file="FDA0000524323660000013.GIF" wi="1408" he="178" />(式1)中：EODG<sub>A</sub>(i,j)为差异图像D<sub>A</sub>像素(i,j)邻域内的梯度能量；EODG<sub>B</sub>(i,j)为差异图像D<sub>B</sub>像素(i,j)邻域内的梯度能量；i＝1,2,3,...,M；j＝1,2,3,...,N；H(i,j)为矩阵H第i行、第j列的元素；(7)构建融合图像<img file="FDA0000524323660000014.GIF" wi="307" he="70" />得到融合后的灰度图像：<maths num="0001"><math><![CDATA[<mrow><mi>F</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><msub><mi>I</mi><mi>A</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></mtd><mtd><mi>H</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><mn>1</mn></mtd></mtr><mtr><mtd><msub><mi>I</mi><mi>B</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></mtd><mtd><mi>H</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><mn>0</mn></mtd></mtr></mtable></mfenced></mrow>]]></math><img file="FDA0000524323660000015.GIF" wi="598" he="143" /></maths> (式2)(式2)中：F(i,j)为融合后的灰度图像F像素点(i,j)处的灰度值；I<sub>A</sub>(i,j)为融合前灰度图像I<sub>A</sub>的像素点(i,j)处的灰度值；I<sub>B</sub>(i,j)为融合前灰度图像I<sub>B</sub>的像素点(i,j)处的灰度值。 |
