基于NSCT域底层视觉特征的可见光和红外图像融合算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利(10)授权公告号CN105719263B(45)授权公告日2018.05.25(21)申请号201610044134.2LinZhangetal..FSIM:AFeature(22)申请日2016.01.22SimilarityIndexforImageQualityAssessment.《IEEETransactionsonImage(65)同一申请的已公布的文献号Processing》.2011,第20卷(第8期),第2378-申请公布号CN105719263A2386页.(43)申请公布日2016.06.29张蕾等.采用非采样Contourlet变换与区(73)专利权人昆明理工大学域分类的红外和可见光图像融合.《光学精密工地址650093云南省昆明市五华区学府路程》.2015,第23卷(第3期),第810-818页.253号WeiweiKongetal..Novelfusionmethodforvisiblelightandinfrared(72)发明人李华锋邱红梅余正涛毛存礼imagesbasedonNSST–SF–PCNN.《Infrared郭剑毅Physics&Technology》.2014,第65卷第103-(51)Int.Cl.112页.G06T5/50(2006.01)审查员王永波(56)对比文件CN105069768A,2015.11.18,US2010/0239144A1,2010.09.23,权利要求书5页说明书13页附图5页(54)发明名称基于NSCT域底层视觉特征的可见光和红外图像融合方法(57)摘要本发明提出了一种基于非下采样轮廓波变换(NSCT)域底层视觉特征的可见光和红外图像融合算法。首先将可见光和红外图像经NSCT变换得到二者的高低频子带系数，然后联合相位一致性、邻域空间频率和邻域能量等信息，综合衡量低频子带系数的像素活跃水平，分别得到可见光和红外图像低频子带系数的融合权重，从而得到融合图像的低频子带系数；结合相位一致性、清晰度和亮度等信息衡量高频子带系数的像素活跃水平，分别得到可见光和红外图像高频子带系数的融合权重，进而得到融合图像的高频子带系数，最后利用NSCT逆变换，得到最终的融合图像。本发明能够有效地保留源图像的细节信息，同时综合可见光图像和红外图像的有用信息。CN105719263BCN105719263B权利要求书1/5页1.基于NSCT域底层视觉特征的可见光和红外图像融合方法，其特征在于，包括以下步骤：步骤1，输入可见光和红外图像并进行NSCT变换，分别得到可见光图像和红外图像的子带系数，所述子带系数包括低频子带系数和高频子带系数；步骤2，根据可见光和红外图像低频子带系数的相位一致性、邻域空间频率和邻域能量信息计算融合图像的低频子带系数；计算可见光和红外图像低频子带系数的相位一致性：分别表示可见光和红外图像在像素点(x,y)的低频子带系数的相位一致性，L表示低频，VI和IR分别表示可见光和红外图像，n＝{0,1,...,J-1}，k＝{0,1,...,K-1}，J和K分别表示可见光和红外图像在傅里叶频域分解的尺度数量和方向数量，θk表示滤波器的方向角，分别表示可见光和红外图像像素点(x,y)的低频子带系数在第n尺度，θk方向角的傅里叶频域的局部能量，分别表示可见光和红外图像像素点(x,y)的低频子带系数在第n尺度，θk方向角的傅里叶频域的局部振幅信息，ε为正常量；计算可见光和红外图像低频子带系数的邻域空间频率：SCMVI(x,y)、SCMIR(x,y)分别表示可见光图像和红外图像在像素点(x,y)的低频子带系数的空间频率，IL,VI(x,y)、IL,IR(x,y)分别表示可见光图像、红外图像在像素点(x,y)的低频子带系数，IL,VI(x0,y0)、IL,IR(x0,y0)分别表示可见光图像、红外图像在像素点(x0,y0)的低频子带系数，Ω0表示预设的邻域，(x0,y0)表示以像素点(x,y)为中心的邻域Ω0内任意一点；将可见光和红外图像中所有像素的低频子带系数的空间频率构成矩阵并计算可见光和红外图像低频子带系数的邻域空间频率LSCMVI(x,y)，LSCMIR(x,y)；计算可见光和红外图像低频子带系数的邻域能量：LENVI(x,y)、LENIR(x,y)分别表示可见光图像、红外图像在像素点(x,y)的低频子带系数的邻域能量，IL,VI(x+m,y+n)、IL,IR(x+m,y+n)分别表示可见光图像、红外图像在像素点(x+m,y+n)的低频子带系数，M×N表示预设的邻域大小，(x+m,y+n)表示以(x,y)为中心的邻域M×2CN105719263B权利要求书2/5页N内任意一点；计算可见光和红外图像低频子带系数的像素