一种基于灰度共生矩阵的红外与可见光图像融合方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111815550A(43)申请公布日2020.10.23(21)申请号202010678896.4(22)申请日2020.07.04(71)申请人淮阴师范学院地址223300江苏省淮安市淮阴区长江西路111号(72)发明人谭惜姿郭立强(51)Int.Cl.G06T5/50(2006.01)权利要求书2页说明书8页附图4页(54)发明名称一种基于灰度共生矩阵的红外与可见光图像融合方法(57)摘要本发明公开了一种基于灰度共生矩阵的红外与可见光图像融合方法。首先，对红外源图像进行灰度共生矩阵分析，得到红外目标显著图。其次，对可见光和红外源图像进行非下采样轮廓波变换(NSCT)，对分解得到的低频子带图像进行保持对比度的融合，对高频子带图像采用改进的高斯差分方法进行融合；再将目标显著图映射至融合后的低频子带图像上。最后，进行NSCT逆变换得到最终的融合图像。本发明利用灰度共生矩阵的纹理分析特性进行红外目标显著性检测，能够有效地提取红外目标并保留丰富的细节信息，改善融合后图像的质量。本发明提出的方法的客观评价指标优于小波变换、金字塔变换等现有经典图像融合方法，具有很强的鲁棒性。CN111815550ACN111815550A权利要求书1/2页1.一种基于灰度共生矩阵的红外与可见光图像融合方法，其特征在于包括以下步骤：步骤S1：对红外图像I2进行灰度共生矩阵分析，提取红外目标，得到目标显著图；步骤S2：对可见光图像I1和红外图像I2进行NSCT分解，分别得到一个低频子带图像和一系列高频子带图像；步骤S3：对所有低频子带图像进行保持对比度信息的融合，得到融合后的低频图像，采用改进高斯差分方法对所有高频子带进行融合，得到融合后的高频子带图像；步骤S4：将目标显著图映射至融合后的低频子带图像上；步骤S5：对融合后的低频子带和高频子带进行NSCT逆变换，得到融合后的图像。2.如权利要求1所述的基于灰度共生矩阵的红外与可见光图像融合方法，其特征在于：所述步骤S1中提取红外图像目标的方法如下：(1)进行初步目标提取，将源红外图像的像素值与其灰度均值之差的绝对值作为初步目标提取图像SalPre；(2)计算SalPre的灰度共生矩阵coMat，该矩阵是一个对称矩阵；若a、b均为SalPre图像的灰度值，则(a，b)为一个灰度值对；灰度共生矩阵中的一个元素值为每一个像素值a，在其大小为w的邻域范围内b像素值的个数，在本发明中取w＝3；(3)对灰度共生矩阵coMat进行处理，得到修正灰度共生矩阵；具体包括以下步骤：首先，将灰度共生矩阵coMat进行归一化；再采用对数函数进行处理，得到Lp(a，b)；最后，将矩阵中大于平均值的元素减去平均值，小于或者等于平均值的元素取零，进而得到修正灰度共生矩阵Sal(a，b)；(4)按如下公式将修正灰度共生矩阵映射至初步目标提取图像中：式中，U(a，b)是(a，b)像素对在w×w邻域内的平均值，SalMap(a，b)是与源图像大小相同的显著性检测图，再将该图像归一化；(5)将SalMap与SalPre相结合，得到最终目标提取图像，具体公式为：SalFinal(a，b)＝SalMap(a，b).*SalPre(a，b)其中，.*表示对应值相乘。3.如权利要求1所述的基于灰度共生矩阵的红外与可见光图像融合方法，其特征在于：所述步骤S2中NSCT分解规则如下：每级分解的方向数为8，分解尺度数量自适应于图像的尺寸，公式为：l＝[log2(min(Ny，Nx))-7]式中，l为分解尺度数量，图像的尺寸为Ny×Nx，[]为向上取整。4.如权利要求1所述的基于灰度共生矩阵的红外与可见光图像融合方法，其特征在于：所述步骤S3中低频子带系数的融合规则设定如下：将可见光图像低频子带与红外图像低频子带的系数分别与其平均值做差，得到系数矩阵w1、w2；那么红外图像的融合权重矩阵为w＝(w2-w1)×0.5+0.5，可见光图像的融合权重矩阵为1-w；最后将权重与低频子带相乘得到融合后的低频子带系数。2CN111815550A权利要求书2/2页5.如权利要求1所述的基于灰度共生矩阵的红外与可见光图像融合方法，其特征在于：所述步骤S3中高频子带系数融合规则设定如下：对每一层高频子带系数，将可见光图像高频子带与红外图像高频子带的系数分别与其平均值做差，得到初步融合系数a1、a2；再对原高频子带系数进行高斯滤波，其中，滤波模板大小为11×11，标准差为5；则滤波后的高频子带系数为b1、b2，可见光图像的融合权重为s1＝b1-a1，同样地，红外图像的融合权重为s2＝b2-a2；根据权重大小，选择融合后的高频系数。6.如权利要求1所述的基于灰度共生矩阵的红外与可见光图像融合方法，其特征