主权项 |
一种基于方向波域隐马尔可夫树模型的多源图像融合方法,包括如下步骤:(1)输入两幅原始图像,并利用基于小波变换的融合方法从两幅原始图像中得到一幅初期融合图像;(2)对两幅原始图像与得到的初期融合图像分别进行Directionlet变换,分别得到三幅图像的Directionlet低频系数和高频系数;(3)对得到的初始融合图像的Directionlet高频系数建立HMT模型,构造该模型的参数集θ;(4)利用期望最大算法即EM算法对构造的参数集θ进行训练得到它的估计值<img file="FDA0000683124300000011.GIF" wi="67" he="73" />根据<img file="FDA0000683124300000012.GIF" wi="50" he="73" />分别计算两幅原始图像的每个Directionlet高频系数的后验概率;(5)对两幅原始图像的Directionlet低频系数采用自适应加权融合规则进行融合,得到融合图像的Directionlet低频系数;(6)根据步骤(4)中得到的参数集<img file="FDA0000683124300000013.GIF" wi="48" he="77" />和后验概率,对两幅原始图像的Directionlet高频系数采用显著性测量的融合规则进行融合,得到融合图像的Directionlet高频系数:(6a)设两幅原始图像的Directionlet系数的高频分量分别为C和D;(6b)任意给定一个节点j,设C中节点j处的高频系数值为w<sub>C</sub>,D中节点j处的高频系数值为w<sub>D</sub>,比较w<sub>C</sub>的后验概率<img file="FDA0000683124300000014.GIF" wi="375" he="95" />与w<sub>D</sub>的后验概率<img file="FDA0000683124300000015.GIF" wi="383" he="92" />的大小,选择后验概率较大的系数值作为融合图像中该位置的Directionlet高频系数d<sub>j</sub>:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>d</mi><mi>j</mi></msub><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><msub><mi>w</mi><mi>C</mi></msub><mo>,</mo></mtd><mtd><mi>P</mi><mrow><mo>(</mo><msubsup><mi>S</mi><mi>j</mi><mi>C</mi></msubsup><mo>=</mo><mn>2</mn><mo>|</mo><msub><mi>w</mi><mi>C</mi></msub><mo>,</mo><mover><mi>θ</mi><mo>^</mo></mover><mo>)</mo></mrow><mo>></mo><mi>P</mi><mrow><mo>(</mo><msubsup><mi>S</mi><mi>j</mi><mi>D</mi></msubsup><mo>=</mo><mn>2</mn><mo>|</mo><msub><mi>w</mi><mi>D</mi></msub><mo>,</mo><mover><mi>θ</mi><mo>^</mo></mover><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msub><mi>w</mi><mi>D</mi></msub><mo>,</mo></mtd><mtd><mi>P</mi><mrow><mo>(</mo><msubsup><mi>S</mi><mi>j</mi><mi>C</mi></msubsup><mo>=</mo><mn>2</mn><mo>|</mo><msub><mi>w</mi><mi>C</mi></msub><mo>,</mo><mover><mi>θ</mi><mo>^</mo></mover><mo>)</mo></mrow><mo>≤</mo><mi>P</mi><mrow><mo>(</mo><msubsup><mi>S</mi><mi>j</mi><mi>D</mi></msubsup><mo>=</mo><mn>2</mn><mo>|</mo><msub><mi>w</mi><mi>D</mi></msub><mo>,</mo><mover><mi>θ</mi><mo>^</mo></mover><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0000683124300000016.GIF" wi="984" he="186" /></maths>其中,<img file="FDA0000683124300000017.GIF" wi="72" he="83" />和<img file="FDA0000683124300000018.GIF" wi="74" he="89" />分别表示C和D中节点j的状态变量,取值为1时表示节点j处于小状态,取值为2时表示节点j处于大状态,<img file="FDA0000683124300000019.GIF" wi="48" he="73" />为步骤(4)中迭代得到的估计值;(7)对上述的融合图像的Directionlet系数进行Directionlet逆变换得到融合图像。 |