红外图像与可见光图像的融合方法、系统及相关设备.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CN109658371A(43)申请公布日2019.04.19(21)申请号201811477667.5(22)申请日2018.12.05(71)申请人北京林业大学地址100083北京市海淀区清华东路35号(72)发明人王小春宫睿李红军(74)专利代理机构北京市恒有知识产权代理事务所(普通合伙)11576代理人郭文浩尹文会(51)Int.Cl.G06T5/50(2006.01)权利要求书8页说明书16页附图2页(54)发明名称红外图像与可见光图像的融合方法、系统及相关设备(57)摘要本发明涉及图像融合技术领域，具体涉及一种红外图像与可见光图像的融合方法、系统及相关设备，目的在于克服现有技术方法在图像融合时易出现的模态混叠现象，以及融合结果中高频细节信息丢失、图像对比度降低的问题。本发明的融合方法包括：基于W-BEMD分解算法分别将两种源图像均分解成一系列高频细节子图像和一个低频轮廓子图像；基于局部区域方差选择与加权的融合规则，将两种源图像分解得到的高频细节子图像进行融合；基于区域能量选择与加权的融合规则，将两种源图像分解得到的低频轮廓子图像进行融合；将融合后的高频细节子图像与融合后的低频轮廓子图像进行W-BEMD逆变换，得到融合图像。本发明算法冗余度低，而且运算速度快。CN109658371ACN109658371A权利要求书1/8页1.一种红外图像与可见光图像的融合方法，其特征在于，所述方法包括：步骤S10，基于W-BEMD分解算法，将红外图像分解成预设数量的第一高频细节子图像和一个第一低频轮廓子图像，并将可见光图像分解成所述预设数量的第二高频细节子图像和一个第二低频轮廓子图像；步骤S20，基于局部区域方差选择与加权的融合规则，将所述预设数量的所述第一高频细节子图像与所述预设数量的所述第二高频细节子图像进行融合，得到所述预设数量的第三高频细节子图像；步骤S30，基于区域能量选择与加权的融合规则，将所述第一低频轮廓子图像和所述第二低频轮廓子图像进行融合，得到第三低频轮廓子图像；步骤S40，将所述预设数量的所述第三高频细节子图像与所述第三低频轮廓子图像进行W-BEMD逆变换，得到融合图像。2.根据权利要求1所述的红外图像与可见光图像的融合方法，其特征在于，步骤S10中“基于W-BEMD分解算法，将红外图像分解成预设数量的第一高频细节子图像和一个第一低频轮廓子图像，并将可见光图像分解成所述预设数量的第二高频细节子图像和一个第二低频轮廓子图像”的步骤包括：步骤S11，将所述红外图像和所述可见光图像的残差分量分别设置为RIR,j-1＝XIR、RVI,j-1＝XVI；其中，RIR,j-1和RVI,j-1分别为所述红外图像的第j-1个残差分量和所述可见光图像的残差分量，j-1表示残差分量的序号，且j＝1；为残差分量的序号，XIR和XVI分别为预设的所述红外图像的残差分量的初始值和预设的所述可见光图像的残差分量的初始值；步骤S12，根据所述红外图像的残差分量RIR,j-1对所述红外图像进行BEMD分解得到所述红外图像的内蕴模函数IMFIR,j和残差分量RIR,j；根据所述可见光图像的残差分量RVI,j-1对所述可见光图像进行BEMD分解得到所述可见光图像的内蕴模函数IMFVI,j和残差分量RVI,j；步骤S13：分别对所述红外图像的残差分量RIR,j和所述可见光图像的残差分量RVI,j进行W变换，并对变换所得低频系数进行W逆变换，得到残差分量四分之一大小的低频轮廓图像和步骤S14，根据所述红外图像的残差分量RIR,j、低频轮廓图像计算出残差分量的高频细节图像将与内蕴模函数IMFIR,j求和，计算出第j个所述第一高频细节子图像，并更新残差分量RIR,j；根据所述可见光图像的残差分量RVI,j、低频轮廓图像计算出残差分量的高频细节图像将与内蕴模函数IMFVI,j求和，计算出第j个所述第二高频细节子图像，并更新残差分量RVI,j；步骤S15，j＝j+1；若j≤L，转至步骤S13；否则，将更新后的残差分量RIR,L与RVI,L分别作为所述第一低频轮廓子图像WRIR,L与所述第二低频轮廓子图像WRVI,L；其中，L为所述预设数量。3.根据权利要求2所述的红外图像与可见光图像的融合方法，其特征在于，步骤S14中“根据所述红外图像的残差分量RIR,j、低频轮廓图像计算出残差分量的高频细节图像2CN109658371A权利要求书2/8页将与内蕴模函数IMFIR,j求和，计算出第j个所述第一高频细节子图像，并更新残差分量RIR,j；根据所述可见光图像的残差分量RVI,j、低频轮廓图像计算出残差分量的高频细节图像将与内蕴模函数IMFVI,j求和，计算出第j个所述第二高频细节子图像，并更新