一種改進(jìn)的多次泊松圖像融合方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理領(lǐng)域，特別涉及一種在圖像拼接中的改進(jìn)多次泊松圖像融合 方法。
【背景技術(shù)】
[0002] 圖像拼接技術(shù)一直是圖像處理領(lǐng)域的研究熱點(diǎn)，是獲得大視角圖像的主要技術(shù)手 段之一，通過(guò)數(shù)幅甚至數(shù)十幅以上小視角，小分辨率圖像，配準(zhǔn)拼接合成出一幅保留原來(lái)所 有圖像信息的高分辨廣角圖像，廣泛應(yīng)用在航天，醫(yī)學(xué)，軍事領(lǐng)域。圖像拼接技術(shù)不僅能有 效避免廣角鏡頭因?yàn)槲锢碓蛟斐傻膱D像邊緣畸變，還具有成本低，效果好，視覺質(zhì)量高的 巨大優(yōu)勢(shì)。
[0003] 圖像融合是圖像拼接技術(shù)中的關(guān)鍵技術(shù)，其原理是通過(guò)對(duì)拼接圖像中重合帶的像 素進(jìn)行重新定義計(jì)算，實(shí)現(xiàn)拼接圖像之間的平滑過(guò)渡和無(wú)縫拼接，提高拼接過(guò)渡帶的視覺 效果。因此，該步驟是圖像拼接中的關(guān)鍵步驟，對(duì)于整個(gè)圖像拼接過(guò)程，起著至關(guān)重要的作 用。
[0004] 圖像融合領(lǐng)域主要的技術(shù)方法有很多，如使用較廣的加權(quán)因子方法，多分辨率樣 條融合方法，以及動(dòng)態(tài)最佳縫合線融合方法等等。加權(quán)因子方法是在圖像重疊區(qū)域進(jìn)行加 權(quán)平均，其加權(quán)因子是根據(jù)該位置離重合區(qū)域的距離來(lái)決定，因此，很難消除掉融合時(shí)產(chǎn)生 的鬼影問(wèn)題。多分辨率樣條插值法是將拼接圖像分解成多幅不同尺度圖像再進(jìn)行合成融 合，可在征服圖像范圍內(nèi)實(shí)現(xiàn)平滑融合過(guò)渡，并顯著降低對(duì)配準(zhǔn)誤差的敏感性。但是由于在 產(chǎn)生多尺幅圖像時(shí)要對(duì)圖像進(jìn)行多次高斯濾波，會(huì)造成圖像信號(hào)部分丟失和減弱，導(dǎo)致整 體圖像模糊和變暗?；趧?dòng)態(tài)規(guī)劃的最佳縫合線融合是依據(jù)最優(yōu)化原則，在重疊區(qū)域內(nèi)根 據(jù)相位誤差最小準(zhǔn)則，尋找一條最優(yōu)的拼接縫合線，達(dá)到消除重影目的，但是其對(duì)配準(zhǔn)要求 高，且計(jì)算復(fù)雜。
[0005] Patrick P等人提出了基于泊松方程的圖像融合方法，該方法利用兩幅圖像的梯 度場(chǎng)，對(duì)重合區(qū)域進(jìn)行引導(dǎo)差值，將圖像融合問(wèn)題變成求解目標(biāo)圖像塊梯度場(chǎng)與背景指導(dǎo) 梯度場(chǎng)差值的最小化問(wèn)題，取得了良好的圖像融合效果。但是當(dāng)目標(biāo)圖像塊較大且色彩與 背景圖像差異巨大時(shí)，該方法往往無(wú)法保證目標(biāo)圖像塊的原來(lái)色彩且邊緣區(qū)域視覺效果并 不理想。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的發(fā)明目的在于：針對(duì)泊松圖像融合中存在的較大目標(biāo)圖像區(qū)域色彩失真 與融合圖像邊緣連接帶色彩不一致的問(wèn)題，提出了一種改進(jìn)的多次泊松圖像融合方法，以 提高融合圖像的視覺質(zhì)量。
[0007] 本發(fā)明所述方法包含以下步驟：
[0008] 步驟1 :獲取待融合的目標(biāo)圖像區(qū)域與背景圖像，確定圖像融合位置。
[0009] 步驟2 :將待融合目標(biāo)圖像與背景圖像轉(zhuǎn)換到HSV顏色空間。
[0010] 步驟3:求解目標(biāo)圖像區(qū)域邊界條件下的泊松方程，與背景圖像進(jìn)行初次融合：將 已經(jīng)轉(zhuǎn)換到HSV顏色空間的目標(biāo)圖像塊與背景圖像3個(gè)顏色通道分離，分別在每個(gè)通道上 求解在該邊界條件下的泊松方程，進(jìn)行圖像初次融合；初次融合所涉及的泊松方程求解過(guò) 程為：
[0011] .1. ... .，其中，Ω為融合區(qū)域，f為定義在Ω上的未知函 數(shù)，f"為定義在Ω邊界3Ω已知標(biāo)量函數(shù)，
％梯度算子，（X，y)為圖像像素點(diǎn)坐 標(biāo)，V為背景圖像指導(dǎo)場(chǎng)。
[0012] l·忒的魅田加下忒子丟元.
[0013]

[0014] 其中，div V為V = (u，V)的散度。對(duì)上式離散化后，我們得到了上式的離散化差 分解：
[0015]
[0016] 其中，Np為上限鄰域，Vpq是在導(dǎo)向邊界〈p，q〉上的投影?；谏鲜?，應(yīng)用 超松弛高斯-賽德爾迭代方法進(jìn)行求解，即可完成初次的泊松像融合過(guò)程。
[0017] 步驟4 :計(jì)算目標(biāo)圖像區(qū)域邊界梯度信息，計(jì)算提取目標(biāo)子區(qū)域：首先提取目標(biāo)圖 像區(qū)域的邊緣像素點(diǎn)集；計(jì)算提取目標(biāo)圖像區(qū)域的幾何重心位置，以該點(diǎn)為原點(diǎn)，將目標(biāo)圖 像區(qū)域邊緣點(diǎn)集按照30度區(qū)域來(lái)進(jìn)行劃分，共分成12個(gè)邊緣像素點(diǎn)集合Q 1, Q2, Q^Q12;依 次計(jì)算每個(gè)邊緣像素點(diǎn)集合中的像素點(diǎn)邊緣梯度，選擇該區(qū)間內(nèi)具有最大的梯度模值的關(guān) 鍵邊緣點(diǎn)，共提取出12個(gè)關(guān)鍵邊緣點(diǎn)；在關(guān)鍵邊緣點(diǎn)的基礎(chǔ)上，沿其梯度延長(zhǎng)線方向，以梯 度模值為距離，選取內(nèi)部子圖像的關(guān)鍵邊緣確定點(diǎn)；依次提取12個(gè)目標(biāo)內(nèi)部子圖像關(guān)鍵邊 緣確定點(diǎn)，連接成為區(qū)域，提取該內(nèi)部子區(qū)域。
[0018] 步驟5 :對(duì)目標(biāo)內(nèi)部子區(qū)域和已經(jīng)初次融合的圖像再次進(jìn)行泊松融合，得到最終 融合圖像；
[0019] 綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：本發(fā)明在基于HSV顏 色空間的基礎(chǔ)上，采用一種改進(jìn)的多次泊松圖像融合方法，可以有效保持目標(biāo)圖像塊原本 的色彩信息并提高邊緣連接帶的視覺質(zhì)量。
【附圖說(shuō)明】
[0020] 圖1是本發(fā)明【具體實(shí)施方式】的處理流程圖；
[0021] 圖2是本發(fā)明【具體實(shí)施方式】中，提取邊緣關(guān)鍵點(diǎn)示意圖；
[0022] 圖3是本發(fā)明【具體實(shí)施方式】中，提取目標(biāo)子區(qū)域示意圖。
[0023] 具體實(shí)施
[0024] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合實(shí)施方式和附圖，對(duì)本發(fā) 明作進(jìn)一步地詳細(xì)描述。 實(shí)施例
[0025] 參見圖1，基于本發(fā)明的改進(jìn)泊松融合方法對(duì)待融合圖像（imgl，img2)進(jìn)行圖像 融合操作處理的具體過(guò)程為：
[0026] S100:輸入待融合的兩幅圖像imgl，img2.其中imgl為目標(biāo)圖像，img2為背景圖 像，并確定兩幅圖像的融合位置。
[0027] S200:將imgl, img2由RGB顏色空間轉(zhuǎn)換到HSV顏色空間。
[0028] S300 :對(duì)imgl和img2進(jìn)行初次泊松圖像融合，本步驟可以采用現(xiàn)有的任何泊松融 合方式實(shí)現(xiàn)，本實(shí)施例中，具體處理為：
[0029] 泊松融合希望f和V擁有一樣的變換場(chǎng)，所以對(duì)下式進(jìn)行最小化：
[0030]
[0031] 其中，Ω為融合區(qū)域，f為定義在Ω上的未知函數(shù)，^為定義在Ω邊界已知標(biāo) 量函數(shù)，= 為梯度算子，（x，y)為圖像像素點(diǎn)坐標(biāo)，V為背景圖像指導(dǎo)場(chǎng)。上式的 解向量可以用下式來(lái)表示：
[0032] = r
[0033] 上式中：
=(u，v)的散度。
[0034] 對(duì)公式進(jìn)行離散化，S與Ω式定義在無(wú)限離散網(wǎng)格上的有限點(diǎn)集。對(duì)于有限集S中 的每個(gè)像素 P，Np代表S中的四聯(lián)通鄰居集合，且〈p，q〉代表一對(duì)像素對(duì)，并且滿足q e Np. fp表示目標(biāo)圖像融合之后f在P點(diǎn)上的值。亮度值集合為f| Ω= {fp，Pe Ω}.
[0035] 上式有限差分離散化的解向量最終滿足如下方程組：
[0036]
[0037] Vpq是:在導(dǎo)向邊界〈p，q〉上的投影，艮[
[0038] 利用超松弛高斯賽德爾迭代法計(jì)算上式匯總的線性方程組，求解出的fp為該點(diǎn)新 的值。遍歷所有Ω區(qū)域的點(diǎn)，完成插值計(jì)算，得到初次泊松融合的圖像img3.
[0039] S400 :針對(duì)目標(biāo)圖像區(qū)域，提取邊緣梯度信息，計(jì)算目標(biāo)子圖像。如圖2所示
[0040] 尋找目標(biāo)圖像區(qū)域的幾何重心，以該中心為原點(diǎn)，將目標(biāo)圖像區(qū)域的邊緣按照每 30度分成12個(gè)邊緣點(diǎn)集合Q1, Q2, Q12，計(jì)算提取每個(gè)集合中所有元素的梯度信息。例 如：在某集合Q1 (〇〈i < 12)中，計(jì)算所有邊緣點(diǎn)元素的梯度信息g，得到該集合％的對(duì)應(yīng)的 梯度信息集合G = {gl，g2, g3~gj，在梯度信息集合G中選取具有最大模值的梯度gf (若集 合中具有最大值模值的梯度元素有多個(gè)，取其中任意一個(gè)最大值即可），該梯度對(duì)應(yīng)的目標(biāo) 圖像塊邊緣點(diǎn)為F，這樣，在集合Q 1中我們選擇了具有最大的梯度模值的關(guān)鍵邊緣點(diǎn)F。
[0041] 在取得關(guān)鍵邊緣點(diǎn)F坐標(biāo)的基礎(chǔ)上，按照其梯度gf方向，向目標(biāo)圖像塊幾何重心 的方向選取一點(diǎn)F'，使得pf| = Igfh該點(diǎn)F'即為要求取的目標(biāo)子圖像邊緣關(guān)鍵點(diǎn)。
[0042] 依次對(duì)所有幾何Q進(jìn)行上述操作，可計(jì)算出目標(biāo)子圖像區(qū)域關(guān)鍵點(diǎn)集合（F1, F2, F3~F12}，其具有12個(gè)元素。如圖3所示，依次按照最近原則連接每個(gè)關(guān)鍵點(diǎn)，即可提取出 目標(biāo)子圖像塊img4。
[0043] S500:將目標(biāo)子圖像塊img4與初次泊松圖像img3再次按照S200步驟進(jìn)行再次泊 松融合，得到最終的結(jié)果。
[0044] 通過(guò)對(duì)目標(biāo)圖像和背景圖像進(jìn)行兩次泊松融合操作，可以很好的保留目標(biāo)圖像塊 原始的色彩信息，并且可以有效的提高邊緣區(qū)域的視覺質(zhì)量。
[0045] 以上所述，僅為本發(fā)明的【具體實(shí)施方式】，本說(shuō)明書中所公開的任一特征，除非特別 敘述，均可被其他等效或具有類似目的的替代特征加以替換；所公開的所有特征、或所有方 法或過(guò)程中的步驟，除了互相排斥的特征和/或步驟以外，均可以任何方式組合。
【主權(quán)項(xiàng)】
1. 一種改進(jìn)的多次泊松圖像融合方法，其特征在于，包括下列步驟： 步驟1:獲取待融合的目標(biāo)圖像與背景圖像，確定圖像融合位置； 步驟2 :將待融合目標(biāo)圖像與背景圖像轉(zhuǎn)換到HSV顏色空間； 步驟3:求解目標(biāo)圖像區(qū)域邊界條件下的泊松方程，與背景圖像進(jìn)行初次融合； 步驟4 :計(jì)算目標(biāo)圖像區(qū)域邊界梯度信息，計(jì)算提取目標(biāo)內(nèi)部子區(qū)域； 步驟5 :對(duì)目標(biāo)內(nèi)部子圖像和已經(jīng)初次融合的圖像再次進(jìn)行泊松融合，得到最終融合 圖像。2. 如權(quán)利要求1所述的方法，其特征在于，所述步驟2中，將待融合目標(biāo)圖像與背景圖 像均轉(zhuǎn)換到HSV顏色空間中，在HSV三個(gè)通道上分別進(jìn)行相應(yīng)的圖像融合操作。3. 如權(quán)利要求1或2所述的方法，其特征在于，所述步驟4中，計(jì)算目標(biāo)圖像區(qū)域邊界 信息，采用角度集合的方式，首先提取目標(biāo)圖像塊的邊緣像素點(diǎn)集；將目標(biāo)圖像區(qū)域邊緣點(diǎn) 集按照每30度區(qū)域來(lái)進(jìn)行劃分，共分成12個(gè)邊緣像素點(diǎn)集合；依次計(jì)算每個(gè)邊緣像素點(diǎn)集 合中的邊緣像素點(diǎn)梯度，選取該區(qū)間內(nèi)具有最大的梯度模值的關(guān)鍵邊緣點(diǎn)，共提取出12個(gè) 具有最大梯度模值的關(guān)鍵邊緣點(diǎn)。4. 如權(quán)利要求1或2所述的方法，其特征在于，所述步驟4中，在提取到12個(gè)模值最大 的關(guān)鍵邊緣點(diǎn)的基礎(chǔ)上，沿梯度延長(zhǎng)線方向，以梯度模值為距離，求取目標(biāo)內(nèi)部子圖像的邊 緣確定點(diǎn)；依次提取12個(gè)內(nèi)部子圖像關(guān)鍵邊緣確定點(diǎn)，連接成為目標(biāo)內(nèi)部子區(qū)域，提取該 區(qū)域。5. 如權(quán)利要求1、2、3或4所述的方法，其特征在于，所述步驟5中，將提取到的目標(biāo)子 區(qū)域和初次泊松融合后的圖像再次進(jìn)行泊松圖像融合操作。
【專利摘要】本發(fā)明公開了一種改進(jìn)的多次泊松圖像融合方法。目的是解決較大的目標(biāo)圖像區(qū)域與背景圖像融合時(shí)，目標(biāo)區(qū)域的色彩信息隨著背景融合而失真，且在融合邊緣處因?yàn)樯氏嗖钐髮?dǎo)致的色彩不一致的問(wèn)題。該方法包括如下方面：將目標(biāo)圖像與背景圖像轉(zhuǎn)換至HSV色彩空間；對(duì)每個(gè)通道進(jìn)行首次泊松圖像融合；提取目標(biāo)圖像區(qū)域邊緣梯度信息并計(jì)算目標(biāo)內(nèi)部子區(qū)域；對(duì)目標(biāo)內(nèi)部子圖像區(qū)域和初次融合的圖像再次進(jìn)行泊松融合操作而最終得到結(jié)果。實(shí)驗(yàn)結(jié)果表明，在較大圖像塊與背景圖像融合時(shí)，本方法可以有效保持目標(biāo)圖像區(qū)域原始的色彩信息并提高邊緣連接帶的視覺質(zhì)量。
【IPC分類】G06T5/50
【公開號(hào)】CN105096287
【申請(qǐng)?zhí)枴緾N201510489583
【發(fā)明人】倪霄龍, 蔣妍, 謝海平, 朱永蕓, 王正寧
【申請(qǐng)人】電子科技大學(xué)
【公開日】2015年11月25日
【申請(qǐng)日】2015年8月11日