一种红外图像与可见光图像融合方法、装置及存储介质.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CN110349117A(43)申请公布日2019.10.18(21)申请号201910579632.0(22)申请日2019.06.28(71)申请人重庆工商大学地址400067重庆市南岸区学府大道19号(72)发明人冯鑫胡开群袁毅陈希瑞张建华翟治芬(74)专利代理机构北京轻创知识产权代理有限公司11212代理人赵秀斌(51)Int.Cl.G06T5/50(2006.01)权利要求书5页说明书9页附图3页(54)发明名称一种红外图像与可见光图像融合方法、装置及存储介质(57)摘要本发明提供一种红外图像与可见光图像融合方法、装置及存储介质，其方法包括，对红外和可见光图像进行差分计算，得到差分图像；根据全变分模型分别对红外图像、可见光图像及差分图像进行分解计算，分别得到各个图像的卡通纹理分量成分；构建狼群优化迭代算法的适应度函数；在各分解的分量成分中确定权重项以及权重系数，并进行加权计算，根据计算结果得到待融合图像。将源图像和差分图像分解为卡通纹理分量成分，通过狼群优化迭代算法从源图像和分量成分中确定权重项和权重系数，将确定的权重项和权重系数进行加权组合，以获取最终的融合图像结果，融合结果在具有噪声鲁棒性的同时还能保持完整的轮廓信息和细节信息，清晰度和对比度也比较高。CN110349117ACN110349117A权利要求书1/5页1.一种红外图像与可见光图像融合方法，其特征在于，包括如下步骤：对红外图像和可见光图像进行差分计算，得到红外与可见光差分图像；根据全变分模型分别对所述红外图像、所述可见光图像及所述红外与可见光差分图像进行分解计算，分别得到红外图像卡通纹理分量成分、可见光图像卡通纹理分量成分以及差分图像卡通纹理分量成分；构建狼群优化迭代算法的适应度函数；根据所述狼群优化迭代算法和构建的适应度函数在所述红外图像卡通纹理分量成分、所述可见光图像卡通纹理分量成分以及所述差分图像卡通纹理分量成分中确定权重项和对应的权重系数，作为融合图像分量成分的权重项和权重系数，所述融合图像为所述红外图像和所述可见光图像相结合得到的图像；根据确定的权重项和权重系数进行加权计算，得到所述融合图像。2.根据权利要求1所述的红外图像与可见光图像融合方法，其特征在于，所述根据全变分模型分别对所述红外图像、所述可见光图像及所述红外与可见光差分图像进行分解计算的过程包括：在对所述红外图像进行分解计算时，根据全变分模型中的全变分问题将所述红外图像定义为：Iinf＝Tinf+Cinf，其中，Iinf表示红外图像，Tinf表示红外光图像纹理分量成分，Cinf表示红外光图像卡通分量成分，在对所述可见光图像进行分解计算时，根据全变分模型中的全变分问题将所述可见光图像定义为：Ivis＝Tvis+Cvis，其中，Ivis表示可见光图像，Tvis表示可见光差分图像纹理分量成分，Cvis表示可见光差分图像卡通分量成分，在对所述红外与可见光差分图像进行分解计算时，根据全变分模型中的全变分问题将所述红外与可见光差分图像定义为：Idif＝Tdif+Cdif，其中，Idif表示红外与可见光差分图像，Tdif表示红外与可见光差分图像纹理分量成分，Cdif表示红外与可见光差分图像卡通分量成分；所述全变分模型为TV-l1模型，在对所述红外图像进行分解计算时,根据所述TV-l1模型计算所述红外图像对应的最小化函数，所述红外图像对应的最小化函数式表示为第一式，所述第一式为：其中，第一式的解为红外光图像卡通分量成分，|▽Cinf|表示为红外光图像卡通分量成分的全变分正则化项，λ||Iinf-Cinf||1dΩ表示为保真项，λ表示正则化参数，在对所述可见光图像进行分解计算时,根据所述TV-l1模型计算所述红外图像对应的最小化函数，所述可见光图像对应的最小化函数式表示为第二式，所述第二式为：2CN110349117A权利要求书2/5页其中，第二式的解为可见光图像卡通分量成分，|▽Cvis|表示为可见光图像卡通分量成分的全变分正则化项，λ||Ivis-Cvis||1dΩ表示为保真项，λ表示正则化参数，在对所述红外与可见光差分图像进行分解计算时,根据所述TV-l1模型计算所述红外图像对应的最小化函数，所述红外与可见光差分图像最小化函数式表示为第三式，所述第三式为：其中，第三式的解为红外与可见光图像卡通分量成分，|▽Cdif|表示为红外与可见光图像卡通分量成分的全变分正则化项，λ||Idif-Cdif||1dΩ表示为保真项，λ表示正则化参数；在对所述红外图像进行分解计算时，根据第四公式对红外光图像纹理分量成分进行计算，所述第四公式为：Tinf＝Iinf-Cinf，在对所述可见光图像进行分解计算时，根据第五公式对可见光图像纹理分量