技术领域
[0001] 本
发明涉及一种图像融合方法，特别是针对
传感器快速传输，对信息完整性要求不高的一种基于区域的压缩感知图像融合方法。
背景技术
[0002] 图像融合被广泛应用在民用及军事领域，图像融合将不同传感器得到的图像进行综合，融合后的图像为人或机器进一步的识别提供了准确、有效、全面的依据。由于现代战场的复杂多变，传感器有限的计算能
力，都对图像融合方法提出了较高的要求。好的图像融合方法不仅需要适用于传输速率不高的传感器通道，而且还需要对传输图像进行加密处理，此外还需要保证融合后的
精度。
发明内容
[0003] 为了克服
现有技术的
缺陷，本发明的目的在于提供一种基于区域的压缩感知图像融合方法，用于传感器处理，快速传输，
保密性好。
[0004] 为了达到上述目的，本发明的技术方案是这样实现的：
[0005] 一种基于区域的压缩感知图像融合方法，包括如下步骤：
[0006] 步骤一、对图像进行压缩，使用图像具有一定保密性，且文件大小适于传输；
[0007] 步骤二、对图像进行区域划分，使得图像具有智能表示，方便后续的智能图像融合；
[0008] 步骤三、对图像进行联合区域划分，综合多个图像的区域划分结果，生成联合区域划分；
[0009] 步骤四、区域划分对压缩感知图像进行融合，使得融合后的压缩感知图像具有智能性，即在划分区域内具有连续性、平滑性；
[0010] 步骤五、对融合后的压缩感知图像进行反变换，使得图像方便人眼观察，且保证
信号的完整性；
[0011] 本发明通过模型针对红外与可见光的图像特点，构建了层次式区域提取模型及层次式评价模型，该模型基于红外图像的目标发现作用，及可见光图像的背景呈现能力，将图像划分为目标区域，重要背景，一般背景三个层次。并针对三个层次分别进行融合结果的评价。层次式的评价模型重点考察了融合结果的目标发现效果，重要背景和一般背景的呈现效果。本发明不需要标准参考图像作为评价指导，根据融合结果中的红外与可见光的各自特点的体现能力做出综合评价。
附图说明
[0012] 图1为本发明所述红外与可见光的层次式融合评估模型图；
[0013] 图2为本发明所述目标区域的轮廓提取
流程图；
[0014] 图3为本发明所述重要背景区域的轮廓提取流程图；
[0015] 图4为本发明所述一般背景区域的轮廓提取流程图；
[0016] 图5为本发明所述三个层次上的区域提取流程图；
[0017] 图6为本发明所属目标区域的融合评价流程图；
[0018] 图7为本发明所属重要背景区域的融合评价流程图；
[0019] 图8为本发明所属一般背景区域的融合评价流程图；
[0020] 图9为本发明所属层次式融合评价流程图；
具体实施方式
[0021] 下面结合附图以及具体实施过程对本发明所述路网模型及构建方法作详细说明。
[0022] 一种基于区域的压缩感知图像融合方法，包括如下步骤：
[0023] 步骤一、对图像进行压缩，使用图像具有一定保密性，且文件大小适于传输；
[0024] 步骤二、对图像进行区域划分，使得图像具有智能表示，方便后续的智能图像融合；
[0025] 步骤三、对图像进行联合区域划分，综合多个图像的区域划分结果，生成联合区域划分；
[0026] 步骤四、区域划分对压缩感知图像进行融合，使得融合后的压缩感知图像具有智能性，即在划分区域内具有连续性、平滑性；
[0027] 步骤五、对融合后的压缩感知图像进行反变换，使得图像方便人眼观察，且保证信号的完整性；
[0028] 步骤一中包括对图像研所感知的方法描述。
[0029] 步骤二中包括对原始图像进行区域划分方法的描述。
[0030] 步骤三中包括对图像划分区域进行综合，形成联合区域划分方法的描述。
[0031] 步骤四中包括对图像按照联合区域划分进行融合方法的描述。
[0032] 步骤五中包括对融合后的压缩感知图像进行压缩感知反变换，形成原始的图像表现。
[0033] 具体实施方式为：参照图1的模型图，
[0034] 1、目标轮廓提取
[0035] 目标提取就是利用红外的目标发现能力，将目标从红外图像中提取出来。一般来说红外图像中灰度值越高的部分，目标的重要性越强。因此可用
阈值法对于图像的高亮部分进行分离。
[0036] 如附图2所示，对于红外图像先进行阈值的设定，图像灰度值＞阈值的
像素进行提取，得到高亮区域。对高亮部分进行轮廓提取，得到目标区域的轮廓。
[0037] 2背景轮廓提取
[0038] 背景轮廓提取分为：(1)重要背景轮廓(2)一般背景轮廓
[0039] 2.1重要背景轮廓提取
[0040] 如附图3所示，将目标区域轮廓按照
指定的扩充范围进行扩充，得到扩充后的轮廓。用这个轮廓指导可见光图像提取出闭合的轮廓，即
框图2。将连续闭合的轮廓作为外轮廓，将目标区域轮廓作为内轮廓，可以达到去除目标区域的作用，从而得到重要背景轮廓。此时重要背景轮廓由内外轮廓组成，即重要背景区域不包括目标区域。
[0041] 2.2一般背景区域
[0042] 如附图4所示，与重要背景提取方法相同，首先对于重要背景轮廓提取其外轮廓，然后其外轮廓作为内轮廓，将图像的轮廓(一般来说，为图像外围的边框)作为外轮廓。内外轮廓中间的部分即为一般背景区域。
[0043] 3、三幅图像在三个层次上的区域提取
[0044] 附图5所示，将步骤1，2中得到的目标区域轮廓、重要背景轮廓、一般背景轮廓，分别应用于红外图像、可见光图像及融合图像，可以得到这三幅图像在三个层次上的区域图像(如上图所示)。
[0045] 4、层次式评估方法
[0046] 常用的几种图像评估方法，如：均方误差MSE(Mean square Error)，均方根误差RMSE(Root Mean Square Error)，
信噪比SNR(Signal-to-Noise Ratio)，
峰值信噪比PSNR(Peak-to-peak Signal-toNoise Ratio)，相关系数(Correlation Coefficient)，信息熵(Entropy)，交叉熵(Cross Entropy)，联合熵(Joint Entropy)，互信息(Mutual Information)，Renyi信息熵。
[0047] 本
专利可以均可以使用这些评估方法，作为每层的区域评估标准。以下以相关系数为例做说明。
[0048] 4.1目标区域融合评价：
[0049] 以相关度为例作为每层的融合评估标准，两幅图像的相关系数C(P，Q)定义为：
[0050]
[0051] 其中M，N为图像的宽和长。相关系数0≤C(P，Q)≤1，越接近1，表明两幅图像的接近度越好。
[0052] 层次式融合的重点是对红外与可见光在三个不同层次上的特征表达给予不同的权重。采用加权融合的方式对两个融合评估结果进行归一化。如附图6所示，设融合结果的目标区域与对应的红外区域的相关度为C1，权重为w1。融合结果中的目标区域与对应的可见光区域的相关度为C2，权重为w2。则综合的目标区域融合评价为
[0053] C目标＝C1×w1+C2×w2 (w1+w2＝1)
[0054] 一般来说，红外的w1可取0.9到1.0之间，则相应可见光的w2为0.1到0之间。
[0055] 4.2重要背景融合评价：
[0056] 如附图7所示，重要背景的融合评价采用的评价标准与目标区域融合评价标准相同。
[0057] C重要背景＝C1×w1+C2×w2 (w1+w2＝1)
[0058] 一般来说，可见光的重要背景权重w2可取0.7到1.0之间。相应红外图像的重要背景权重可取0.3到0之间。
[0059] 4.3一般背景融合评价：
[0060] 如附图8所示，重要背景的融合评价采用的评价标准与目标区域融合评价标准相同。
[0061] C一般背景＝C1×w1+C2×w2 (w1+w2＝1)
[0062] 一般来说，可见光的一般背景权重w2可取0.7到1.0之间。相应红外图像的一般背景权重可取0.3到0之间。
[0063] 4.4层次式评价结果
[0064] 如附图9所示，将三个层次的评价进行综合，可以得到融合评价结果。设目标融合评价为C目标，权重为w目标，重要背景的评价为C重要背景，权重为w重要背景，一般背景的评价为C一般背景，权重为w一般背景，则总的融合评价结果为：
[0065] C＝C目标×w目标+C重要背景×w重要背景+C一般背景×w一般背景
[0066] (w目标+w重要背景+w一般背景＝1)
[0067] 一般来说，目标的重要性w目标大于重要背景的重要性w重要背景大于一般背景的重要性w一般背景。可取w目标＝0.6，w重要背景＝0.3，w一般背景＝0.1。
