1.一种基于杜鹃搜索算法的Contourlet变换图像融合方法，用于对配准后的源图像A、M×N M×NB进行融合，其中源图像A、B均为灰度图像，且A,B∈R ，R 是大小为M×N的空间；

其特征在于，所述方法包括以下步骤：

步骤1：输入两幅源图像A、B，并分别进行Contourlet变换，得到1个低频子带和不同尺度、不同方向的多个高频子带；

步骤2：Contourlet系数融合；

按照定义的融合规则在所有尺度和方向上对两幅图像的变换系数进行融合，得到融合后的系数；

步骤2的具体实现包括以下子步骤：

步骤2.1：根据步骤1进行Contourlet变换，分解层数为L，每层方向数为k，得到1个低频子带和不同尺度、不同方向的L×k个高频子带，则需要计算的各尺度各方向上的权重总数为L×k+1个；

初始化杜鹃搜索算法所需的参数，得到算法的初始种群；其中，参数包括迭代次数Iter、算法的种群规模N、鸟蛋被发现的概率pa、速度步长控制参数η、列维飞行步长控制参数λ、鸟巢的初始空间位置；鸟巢的初始空间位置值向量是相应的每一维对应权重集合中的每一个权重；

步骤2.2：利用融合后图像的信息熵计算每个鸟巢的适应度函数值，记录并保留当前最优鸟巢位置A；

适应度函数计算公式：

其中，P(l)为某灰度值l在图像中出现的概率，L为图像的灰度等级；

步骤2.3：通过杜鹃搜索算法中的位置更新公式更新鸟巢的位置，得到一组新解并计算每个鸟巢的适应度函数值，比较这组解的适应度函数值并记其具有最优适应度函数值的位置为B；

步骤2.4：用随机数r∈[0,1]与鸟巢的主人发现外来的鸟蛋概率pa对比，并判断：若r>pa，则通过列维飞行随机改变鸟巢位置，得到一组新的鸟巢位置，并计算其适应度函数值，比较这组解的适应度函数值并记其具有最优适应度函数值的位置为C，然后进入步骤2.5；

若r≤pa，则顺序执行下述步骤2.5；

步骤2.5：将位置B和C的适应度函数值与上一代当前最优鸟巢位置A的适应度函数值进行对比，若更好，则将其作为当前最优鸟巢位置A；

步骤2.6：判断是否满足终止条件；其中终止条件是预设的最大运行迭代次数；

若是，输出全局最优鸟巢位置对应的权重集合，进入步骤2.7；

若否，则回转执行所述的步骤2.3；

步骤2.7：根据得到的最优鸟巢位置对应的权重集合计算得到融合图像的各尺度各方向的融合系数；

权重集合为：

{(w0,0,w0,1,...w0,7),(w1,0,w1,1,...w1,7),...(w2,0,w2,1,...w2,7),wlow}其中，wi,j表示第i层高频分量上方向为j的系数融合权重，i＝0、1、2；j＝0、1、2、…、7；

wlow为低频分量系数的权重；

根据权重合集计算融合图像的融合系数，下式为图像A和B的第0层的高频分量的各方向系数融合，得到融合图像R的第0层的高频分量的各方向融合系数；

w0,0×A0,0+(1‑w0,0)×B0,0＝R0,0w0,1×A0,1+(1‑w0,1)×B0,1＝R0,1w0,7×A0,7+(1‑w0,7)×B0,7＝R0,7融合图像R的第l层高频分量融合系数为：

rl＝{Rl,0,Rl,1,Rl,2,...Rl,k‑1},0≤l≤L‑1；

图像A和B低频分量融合得到融合图像R的低频分量为：wlow×alow+(1‑wlow)×blow＝rlow；

步骤3：融合图像为R；

对于融合后的系数，按照其低频子带和高频子带的顺序，依次进行Contourlet逆变换；

步骤4：输出融合后的图像。

2.根据权利要求1所述的基于杜鹃搜索算法的Contourlet变换图像融合方法，其特征在于：步骤1中，将图像A、B进行Contourlet变换，首先假设对输入图像A、B进行L层Contourlet分解，第l层上的方向数为k，其中0≤l≤L；

则Contourlet变换过程为：

A→(a0,a1,a2,...aL‑1,alow)；

B→(b0,b1,b2,...bL‑1,blow)；

al＝{Al,0,Al,1,Al,2,...Al,k‑1},0≤l≤L‑1；；

bl＝{Bl,0,Bl,1,Bl,2,...Bl,k‑1},0≤l≤L‑1；；

其中，alow、blow分别为A、B的低频子带，al和bl分别为图像A、B第l层上的高频方向子带集合，Al,k‑1为图像A第l层上的高频子带的k‑1方向的分量，Bl,k‑1为图像B第l层上的高频子带的k‑1方向的分量。

3.根据权利要求1所述的基于杜鹃搜索算法的Contourlet变换图像融合方法，其特征在于，步骤2.3中所述通过杜鹃搜索算法中的位置更新公式更新鸟巢的位置，其位置更新公式为：其中，i表示第i个鸟巢，t表示迭代次数，xi(t)表示第i个鸟巢在第t次迭代时的位置，xi(t+1)表示第i个鸟巢在第t+1次迭代时的位置，η是速度步长控制参数并且η>0，表示点对‑λ点乘法，Levy(λ)是均匀Levy分布随机数，服从Levy～u＝t ，1<λ≤3，λ是列维飞行步长控制参数。

4.根据权利要求1所述的基于杜鹃搜索算法的Contourlet变换图像融合方法，其特征在于，步骤3中Contourlet逆变换过程为：rlow+rL‑1→rlow‑1

rlow‑1+rL‑2→rlow‑2

...

rlow‑L+2+r1→r0

rlow‑L+1+r0→R

上式表示下一层的高频分量和低频分量融合得到当前层的低频分量，整个融合过程使用公式表示如下：(r0,r1,r2,...rL‑1,rlow)→R上式中，ri为各尺度上的融合高频子带，0≤i≤L‑1，rlow为融合图像的低频子带，R为最终得到的融合图像。