【技術實現步驟摘要】
本專利技術涉及圖像處理，特別是一種多源圖像融合方法。
技術介紹
1、在數字圖像處理領域，多源圖像融合是一項重要的技術，旨在將來自不同傳感器、不同視角或不同時間點的多幅圖像融合成一幅具有更豐富信息的圖像，隨著計算機視覺和人工智能技術的發展，圖像融合技術已廣泛應用于遙感、醫學成像、監控系統、軍事偵察等領域，傳統的圖像融合方法主要包括基于像素的融合、基于特征的融合和基于決策的融合等，盡管現有技術取得了顯著進展，但仍然存在一些不足之處，大多數現有的圖像融合算法在圖像預處理和特征整合方面過于簡化，忽視了圖像的多維度信息，導致融合后的圖像在細節保留和信息完整性方面存在不足，在處理高動態范圍和復雜場景下的多源圖像時，往往難以達到理想的融合效果，這主要是因為它們在圖像特征提取和融合策略的設計上缺乏足夠的自適應性和靈活性。
技術實現思路
1、鑒于上述現有的多源圖像融合方法中存在的問題，提出了本專利技術。
2、因此，本專利技術所要解決的問題在于大多數現有的圖像融合算法在處理高動態范圍和復雜場景下的多源圖像時，往往難以達到理想的融合效果，這主要是因為它們在圖像特征提取和融合策略的設計上缺乏足夠的自適應性和靈活性。
3、為解決上述技術問題，本專利技術提供如下技術方案：一種多源圖像融合方法，其包括，采集多源圖像，對多源圖像數據進行預處理并整合進數據庫中；通過數據庫提取多源圖像特征，構建自適應圖像特征融合算法；將融合后的圖像特征重構為最終的融合圖像；對融合圖像進行優化處理后評估融合圖像
4、作為本專利技術所述多源圖像融合方法的一種優選方案，其中：所述采集多源圖像為采集圖像元數據、圖像特征數據中的圖像清晰度、對比度、信息熵、紋理復雜度和邊緣密度、環境數據和空間數據。
5、作為本專利技術所述多源圖像融合方法的一種優選方案，其中：所述對多源圖像數據進行預處理并整合進數據庫中為對圖像進行幾何校正，消除畸變，將來自不同源的圖像進行空間對齊并將所有圖像都轉換為統一的格式和分辨率，將預處理后的圖像及其元數據導入數據庫中，并進行數據查詢性和訪問性建立。
6、作為本專利技術所述多源圖像融合方法的一種優選方案，其中：所述通過數據庫提取多源圖像特征為通過數據庫，基于數據庫中采集的數據提取多源圖像特征：
7、
8、其中，f表示從所有源圖像中提取并綜合的特征向量，n是源圖像的總數，σ(·)是激活函數，表示對圖像ii應用k-次梯度操作，是標準差為σk的高斯濾波器，wk和b分別是模型的權重和偏置項，k是索引變量，k表示梯度操作的總數。
9、作為本專利技術所述多源圖像融合方法的一種優選方案，其中：所述構建自適應圖像特征融合算法為基于提取的特征向量構建自適應圖像特征融合算法對提取的特征向量進行融合：
10、構建圖像質量評估函數：
11、
12、其中，表示圖像ii的拉普拉斯算子，var(·)表示方差計算，ii,m是是圖像ii的第m個像素值，μ是圖像ii的平均像素值，m是圖像ii中的像素總數，pq是圖像ii中第q個灰度級出現的概率，q是圖像的灰度級總數，α，β和γ是權重系數；
13、構建圖像內容復雜度評估函數：
14、
15、其中，px,y是圖像ii的灰度共生矩陣，x和y是灰度級，ne是圖像ii中被canny算法識別為邊緣的像素數量，no是圖像ii中的總像素數量，δ和∈是權重系數；
16、構建特征差異函數：
17、
18、其中，a是特征向量的維度，fi[j]表示第i個圖像的特征向量中的第j個特征值，fa[j]表示所有圖像特征向量平均值中的第j個特征值，wj是第j維特征的權重；
19、綜合構建自適應圖像特征融合算法：
20、
21、其中，ff是融合后的圖像特征向量，n是源圖像的總數，ii是第i個源圖像，fi是第i個圖像的特征向量，q(ii)是圖像質量評估函數，c(ii)是圖像內容復雜度評估函數，d(fi,fa)是特征差異函數，λ是調節參數。
22、作為本專利技術所述多源圖像融合方法的一種優選方案，其中：所述將融合后的圖像特征重構為最終的融合圖像為使用深度學習模型中的生成對抗網絡進行圖像重構，包括使用源圖像，特征向量以及目標圖像作為模型的訓練數據進行訓練，訓練完成后將融合后的圖像特征向量輸入到生成對抗網絡中，輸出重構的圖像。
23、作為本專利技術所述多源圖像融合方法的一種優選方案，其中：所述對融合圖像進行優化處理為使用銳化濾波器和局部對比度增強技術進行細節增強，根據圖像的整體色調和應用需求調整色溫和色彩飽和度，使用直方圖均衡化調整圖像的亮度和對比度范圍。
24、作為本專利技術所述多源圖像融合方法的一種優選方案，其中：所述評估融合圖像的質量為對經過優化處理的融合圖像的質量進行評估：
25、若融合圖像的質量符合標準，則檢測融合圖像質量，跟蹤最新的圖像處理技術和算法，定期更新融合算法，通過微調色彩平衡和對比度，進一步增強圖像的視覺吸引力；
26、若融合圖像的質量不符合標準，則對融合圖像進行全面的質量評估，識別具體的質量問題，對融合算法進行迭代更新，引入新的技術和方法，對不符合標準的融合圖像應用后處理技術，包括局部對比度增強、銳化濾波和動態范圍調整。
27、一種計算機設備，包括：存儲器和處理器；所述存儲器存儲有計算機程序，其特征在于：所述處理器執行所述計算機程序時實現多源圖像融合方法的步驟。
28、一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現多源圖像融合方法的步驟。
29、本專利技術有益效果為：本專利技術通過數據庫提取圖像特征并構建自適應圖像特征融合算法，使融合過程能夠根據不同圖像特征和融合需求動態調整融合策略，能夠有效提升融合圖像的質量和自然度，解決了現有技術在圖像融合過程中自適應性和靈活性不足的問題，在保證融合效果的同時，提升計算效率。
本文檔來自技高網...【技術保護點】
1.一種多源圖像融合方法，其特征在于：包括，
2.如權利要求1所述的多源圖像融合方法，其特征在于：所述采集多源圖像為采集圖像元數據、圖像特征數據中的圖像清晰度、對比度、信息熵、紋理復雜度和邊緣密度、環境數據和空間數據。
3.如權利要求2所述的多源圖像融合方法，其特征在于：所述對多源圖像數據進行預處理并整合進數據庫中為對圖像進行幾何校正，消除畸變，將來自不同源的圖像進行空間對齊并將所有圖像都轉換為統一的格式和分辨率，將預處理后的圖像及其元數據導入數據庫中，并進行數據查詢性和訪問性建立。
4.如權利要求3所述的多源圖像融合方法，其特征在于：所述通過數據庫提取多源圖像特征為通過數據庫，基于數據庫中采集的數據提取多源圖像特征：
5.如權利要求4所述的多源圖像融合方法，其特征在于：所述構建自適應圖像特征融合算法為基于提取的特征向量構建自適應圖像特征融合算法對提取的特征向量進行融合：
6.如權利要求5所述的多源圖像融合方法，其特征在于：所述將融合后的圖像特征重構為最終的融合圖像為使用深度學習模型中的生成對抗網絡進行圖像重構，包括使用
7.如權利要求6所述的多源圖像融合方法，其特征在于：所述對融合圖像進行優化處理為使用銳化濾波器和局部對比度增強技術進行細節增強，根據圖像的整體色調和應用需求調整色溫和色彩飽和度，使用直方圖均衡化調整圖像的亮度和對比度范圍。
8.如權利要求7所述的多源圖像融合方法，其特征在于：所述評估融合圖像的質量為對經過優化處理的融合圖像的質量進行評估：
9.一種計算機設備，包括：存儲器和處理器；所述存儲器存儲有計算機程序，其特征在于：所述處理器執行所述計算機程序時實現權利要求1至8中任一項所述的多源圖像融合方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現權利要求1至8中任一項所述的多源圖像融合方法的步驟。
...【技術特征摘要】
1.一種多源圖像融合方法，其特征在于：包括，
2.如權利要求1所述的多源圖像融合方法，其特征在于：所述采集多源圖像為采集圖像元數據、圖像特征數據中的圖像清晰度、對比度、信息熵、紋理復雜度和邊緣密度、環境數據和空間數據。
3.如權利要求2所述的多源圖像融合方法，其特征在于：所述對多源圖像數據進行預處理并整合進數據庫中為對圖像進行幾何校正，消除畸變，將來自不同源的圖像進行空間對齊并將所有圖像都轉換為統一的格式和分辨率，將預處理后的圖像及其元數據導入數據庫中，并進行數據查詢性和訪問性建立。
4.如權利要求3所述的多源圖像融合方法，其特征在于：所述通過數據庫提取多源圖像特征為通過數據庫，基于數據庫中采集的數據提取多源圖像特征：
5.如權利要求4所述的多源圖像融合方法，其特征在于：所述構建自適應圖像特征融合算法為基于提取的特征向量構建自適應圖像特征融合算法對提取的特征向量進行融合：
6.如權利要求5所述的多源圖像融合方法，其特征在于：所述將融合后的圖像特...
【專利技術屬性】
技術研發人員：張春琴，許敬軍，張海英，尹晶晶，常晴晴，黃春，
申請(專利權)人：南京影和通科技有限公司，
類型：發明
國別省市：
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。