基于量子力学和拉普拉斯金字塔的图像融合方法

计算机与现代化

基于量子力学和拉普拉斯金字塔的图像融合方法

1.上海开放大学普陀分校信息工程系,上海200062；2.上海市普陀区业余大学信息工程系,上海200062

收稿日期:2015-02-13 出版日期:2015-04-27 发布日期:2015-04-29
作者简介: 席亮(1980-),男,浙江江山人,上海开放大学普陀分校信息工程系、上海市普陀区业余大学信息工程系讲师，硕士,研究方向：数字图像处理，模糊控制。
基金资助:
上海远程教育集团学科研究课题（JF1510）

Image Fusion Method Based on Quantum Mechanics and Laplacian Pyramid

1. Dept. of Information Engineering, Putuo Branch of Shanghai Open University, Shanghai 200062, China;

2. Dept. of Information Engineering, Shanghai Putuo Spare Time University, Shanghai 200062, China

Received:2015-02-13 Online:2015-04-27 Published:2015-04-29

摘要/Abstract

摘要：

针对数字图像的融合问题，研究一种基于量子力学理论的图像分解方法，并将其结合拉普拉斯金字塔变换，提出一种新的图像融合方法。先把2幅灰度图像表示成量子比特的形式，然后把

每幅图像分解成4幅特征子图，根据分解后特征子图的不同含义，使用不同的融合策略分别对子图进行融合。其中一幅子图使用拉普拉斯金字塔变换进行融合，另外3幅子图使用区域梯度取大法进行融合

，最后通过重构得到融合图像。仿真实验表明该方法融合效果较好，在主观视觉感受和客观评价指标上均优于传统的图像融合方法。

关键词: , 量子力学, 图像分解, 拉普拉斯金字塔, 区域梯度, 图像融合

Abstract:

A new image decompostion method based on quantum mechanics is proposed for the digital image fusion, combined with the Laplacian pyramid transform, a new image

fusion method is proposed. Firstly two gray images are expressed as the form of quantum bit, and then each image is decomposed into four characteristic sub-images. According to

the different meaning of the decomposed sub-images, different fusion rules are used. It uses Laplacian pyramid transform for one sub-image, and the method of selecting more

local gradient is used for another sub-images. then the fusion image is obtained by reconstructed. The simulation results show that the method has better fusion effect, it

outperforms the conventional image fusion methods in subjective vision perception and objective evaluation index.

Key words: quantum mechanics, image decomposition, Laplacian pyramid, local gradient, image fusion

席亮1,2. 基于量子力学和拉普拉斯金字塔的图像融合方法[J]. 计算机与现代化.

XI Liang1,2. Image Fusion Method Based on Quantum Mechanics and Laplacian Pyramid[J]. Computer and Modernization.

［1］张建勋，谢婷婷. 基于小波区域梯度的图像融合新算法［J］. 重庆理工大学学报（自然科学）， 2012,26(10):51-55.
［2］辛亚楠，邓磊. 基于小波变换的遥感图像融合方法研究［J］. 激光与光电子学进展, 2013,50(2):133-138.
［3］胡朝芬，黄之杰，罗来华. 医学图像融合技术研究进展［J］. 医疗卫生装备， 2010,31(4)：157-160.
［4］高颖，王阿敏，王凤华，等. 改进的小波变换算法在图像融合中的应用［J］. 激光技术， 2013,37(5)：690-695.
［5］苗启广，王宝树. 基于改进的拉普拉斯金字塔变换的图像融合方法［J］. 光学学报， 2007,27(9):1605-1610.
［6］郭雷，程塨，赵天云. 基于小波变换和邻域特征的多聚焦图像融合算法［J］. 西北工业大学学报， 2011,29(3)：454-459.
［7］ Purushothaman G, Karayiannis N B. Quantum neural networks (QNNs): Inherently fuzzy feedforward neural networks［J］. IEEE Transactions on Neural Networks, 1997,8(3):679-

693.
［8］ Han K H, Kim J H. Quantum-inspired evolutionary algorithm for a class of combinatiorial optimization［J］. IEEE Transactions on Evolutionary Computation, 2002,6(6):580-

593.
［9］ Eldar Y C, Oppenheim A V. Quantum signal procession［J］. IEEE Transactions on Signal Processing, 2002,19(6):12-32.
［10］Tseng C C, Hwang T M. Quantum digital Image processing algorithms［C］// The 16th IPPR Conference on Computer Vision Graphics and Image Processing. 2003:827-834.
［11］谢可夫. 量子衍生图像处理方法的研究［D］. 长沙：中南大学， 2007.
［12］付晓薇，丁明跃，周成平,等. 基于量子概率统计的医学图像增强算法研究［J］. 电子学报， 2010,38(7):1590-1596.
［13］谢可夫，许悟生. 量子衍生图像分解和边缘检测［J］. 计算机应用， 2013,33(4):1089-1091.
［14］Nielsonm A，Chuang I L. 量子计算和量子信息(一)［M］. 赵千川译. 北京:清华大学出版社， 2004:13-14.
［15］马先喜，彭力，徐红,等. 基于PCA的拉普拉斯金字塔变换融合算法研究［J］. 计算机工程与应用， 2012,48(8):211-213.
［16］陈浩，王延杰. 基于拉普拉斯金字塔变换的图像融合算法研究［J］. 激光与红外， 2009,39(4):439-441.
［17］赵青，何建华，温鹏. 基于平均梯度和方向对比度的图像融合方法［J］. 计算机工程与应用， 2012,48(24):165-168.
［18］姚权，吴晓红，何小海,等. 基于能量梯度与方差的多聚焦图像融合［J］. 信息与电子工程， 2012,10(1):93-97.
［19］张素兰. 基于小波变换的多聚焦图像融合研究［D］. 重庆:重庆大学， 2009.
［20］李敏. 基于形态Harr小波变换的多聚焦图像融合［J］. 计算机工程， 2012,38(23):211-214.

[1]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[2]	王纪委, 曲怀敬, 魏亚南, 谢明, 徐佳, 张志升, 张汉元. 基于四叉树分解和自适应焦点测度的多聚焦图像融合[J]. 计算机与现代化, 2022, 0(08): 106-113.
[3]	莫维, 唐清善, 黄涛. 一种多方向感知的高实时性视频融合算法[J]. 计算机与现代化, 2021, 0(10): 81-87.
[4]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[5]	李文裕, 周凌宏. 医学图像融合技术在肿瘤放射治疗中的应用[J]. 计算机与现代化, 2021, 0(07): 83-88.
[6]	杨彬, 黄润才, 王从澳. 基于改进的NSCT红外可见光图像融合算法[J]. 计算机与现代化, 2021, 0(06): 48-53.
[7]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.
[8]	魏健, 赵红涛, 刘敦楠, 加鹤萍 . 基于集成模型的超短时负荷预测方法[J]. 计算机与现代化, 2021, 0(03): 12-17.
[9]	张磊, 郎贤礼, 王乐. 基于图像融合与YOLOv3的铝型材表面缺陷检测[J]. 计算机与现代化, 2020, 0(11): 8-15.
[10]	段桂芹1，邹臣嵩2，刘锋2. 基于优化初始聚类中心的K中心点算法[J]. 计算机与现代化, 2019, 0(04): 1-.
[11]	李富星，蒙祖强 . 一种改进的类别区分词特征选择算法[J]. 计算机与现代化, 2019, 0(03): 73-.
[12]	白晓波1，邵景峰1，和征1，田建刚2. 基于学习的核偏最小二乘法优化扩展卡尔曼滤波[J]. 计算机与现代化, 2018, 0(09): 110-.
[13]	杨少令，刁燕，罗华，徐天雄. 一种改进的Canny图像分割算法[J]. 计算机与现代化, 2018, 0(08): 57-.
[14]	郑亚鹏，樊璐. 基于LSTM的临床血液需求预测方法[J]. 计算机与现代化, 2018, 0(05): 41-.
[15]	刘德春1，张秀国2，姜微2. 基于马尔科夫链的大学生自主学习能力预测方法[J]. 计算机与现代化, 2018, 0(05): 106-.