基于方向波域隐马尔可夫树模型的多源图像融合方法

摘要

本发明公开了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，主要解决现有方法中融合规则简单和块效应明显的问题。其实现步骤是：(1)从原始图像得到一幅初期融合图像；(2)用方向波分解原始图像和初期融合图像；(3)建立初期融合图像的方向波域HMT模型，训练得出参数集估计值(4)利用得到原始图像的方向波高频系数的后验概率；(5)根据得到的后验概率，采用显著性测量融合规则对原始图像高频系数融合；(6)采用自适应加权融合规则对原始图像低频系数进行融合；(7)对融合后的方向波系数进行方向波逆变换得到融合图像。本发明能提取原始图像更丰富的奇异性特征，充分挖掘数据中的相关性，可用于多源图像的目标识别与计算机的后续处理。

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根据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_C，D中节点j处的高频系数值为w_D，比较w_C的后验概率与w_D的后验概率的大小，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_j：$d_j=\left\{\begin{array}{cc}{w}_C,& P(S_j^C=2|w_C,\hat{\theta })>P(S_j^D=2|w_D,\hat{\theta })\\ w_D,& P(S_j^C=2|w_C,\hat{\theta })\le P(S_j^D=2|w_D,\hat{\theta })\end{array}\right.,$其中，和分别表示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，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。