基于图像增强与NSCT的红外和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CN109308691A(43)申请公布日2019.02.05(21)申请号201710630395.7(22)申请日2017.07.28(71)申请人南京理工大学地址210094江苏省南京市玄武区孝陵卫200号(72)发明人黄慧汪忱(74)专利代理机构南京理工大学专利中心32203代理人薛云燕(51)Int.Cl.G06T5/50(2006.01)G06T5/00(2006.01)权利要求书4页说明书9页附图2页(54)发明名称基于图像增强与NSCT的红外和可见光图像融合方法(57)摘要本发明公开了一种基于图像增强与NSCT的红外与和见光图像融合方法。该方法步骤如下：首先，利用均值滤波的方法获得红外图像透射率的粗估计，通过图像统计信息实现粗透射率的细化，依据大气散射物理模型实现红外图像的增强；然后，采用非下采样轮廓波变换对增强后的红外和可见光图像分别进行多尺度、多方向的分解，利用基于局部能量的规则融合低频系数，对高频系数采用系数值选大与局部均方差相结合的融合规则；最后，将得到的系数进行NSCT逆变换得到最终的融合图像。本发明不仅能凸显红外图像的目标信息，还能尽可能多的保留可见光图像丰富的细节信息，具有显著的视觉效果和较高的客观质量评价指标。CN109308691ACN109308691A权利要求书1/4页1.一种基于图像增强与NSCT的红外与和见光图像融合方法，其特征在于，利用红外图像和可见光雾化图像之间的相似性，对红外图像进行基于去雾模型的图像增强，然后采用基于非下采样轮廓波变换与局部区域融合规则相结合的红外与可见光图像融合方法，具体步骤如下：步骤1、基于红外热成像原理建立大气对红外辐射的总衰减模型；步骤2、运用经典的大气散射物理模型描述可见光图像的雾化过程，并建立红外图像的雾化模型；步骤3、对红外图像I(x)进行r×r的均值滤波，获取初始的透射率估计通过图像统计信息实现粗透射率估计的细化，得到最终的透射率估计；步骤4、求得环境光值A，恢复出对比度增强的红外图像R(x)；步骤5、分别对红外图像R(x)、可见光图像V(x)进行NSCT变换，得到各自分解后的低频低通系数和高频带通系数：和Ik表示K级分解上第k层的方向分解数量，C0表示低频低通系数，Gk,i表示高频带通系数；步骤6、对低频低通系数采用基于局部能量的融合规则；步骤7、对高频带通系数采用基于系数选大与局部均方差相结合的融合规则；步骤8、对融合后的图像系数进行逆NSCT变换，重构出融合图像F。2.根据权利要求1所述的基于图像增强与NSCT的红外和可见光图像融合方法，步骤1所述大气对红外辐射的总衰减模型，公式为：其中，τa为总衰减量，分别表示水、二氧化碳对红外辐射的吸收系数，μs(λ)为大气分子与气溶胶的散射系数，μs、μr分别表示雨、雪天气造成的衰减系数，L表示红外辐射的等效路程，令则总衰减量τa表达式为：τa(λ)＝exp[-βL](2)。3.根据权利要求1所述的基于图像增强与NSCT的红外和可见光图像融合方法，其特征在于，步骤2中所述运用经典的大气散射物理模型描述可见光图像的雾化过程，并建立红外图像的雾化模型，其中经典大气散射物理模型描述的可见光图像雾化模型为：I(x)＝J(x)·exp[-βd]+A[1-exp[-βd]](3)其中，I(x)表示观测到的有雾图像，J(x)表示待恢复的无雾图像，exp[-βd]表示大气透射率，A表示大气光强度，β表示大气衰减系数，d表示场景到摄像位置距离；大气透射率t(x)表示为：t(x)＝exp[-βd](4)将雾化图像表示为：I(x)＝R(x)·t(x)+A[1-t(x)](5)其中，I(x)表示观察到的红外图像即雾化图像，R(x)为增强后的红外图像，t(x)为大气透射率，A表示大气光强度。4.根据权利要求1所述的基于图像增强与NSCT的红外和可见光图像融合方法，其特征在于，步骤3中所述对红外图像I(x)进行r×r的均值滤波，获取初始的透射率估计通过2CN109308691A权利要求书2/4页图像统计信息实现粗透射率估计的细化，得到最终的透射率估计，具体如下：对红外图像I(x)进行r＝5的均值滤波得到Iaver(x)，初始的透射率估计表达式为：其中，ω∈[0,1]为景深调整量，代表选取多大比例的均值滤波结果估计透射率；利用图像统计信息来自适应确定ω，先统计灰度级强度小于正常像素的阈值T的像素点数NT，以及灰度级小于图像均值的像素点数NMean，依据NT和NMean的比值估计图像雾气浓度ω，设置为：阈值T由如下公式获得：T＝iMean+δ·Lmax(8)其中，iMean为图像所有像素点的均值，Lmax为所有像素点中最大值，δ根据实际情况取值，范围为0.01