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。 |