基于多尺度结构分解的红外和可见光图像感知融合方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114897751A(43)申请公布日2022.08.12(21)申请号202210381391.0(22)申请日2022.04.12(71)申请人北京理工大学地址100081北京市海淀区中关村南大街5号(72)发明人周志强费二芳缪玲娟崔赛佳叶何李家琪(74)专利代理机构北京正阳理工知识产权代理事务所(普通合伙)11639专利代理师张利萍(51)Int.Cl.G06T5/50(2006.01)G06T5/00(2006.01)G06T5/20(2006.01)权利要求书6页说明书10页附图2页(54)发明名称基于多尺度结构分解的红外和可见光图像感知融合方法(57)摘要本发明涉及基于多尺度结构分解的红外和可见光图像感知融合方法，属于多传感器图像融合技术领域。该方法充分考虑了人类视觉系统(HVS)的相关特性，可以帮助解决当前融合研究在视觉信息感知方面的潜在缺陷。与其他算法相比，该方法构建了基于尺度感知边缘保持的多尺度结构分解方法，能够获得不同尺度的图像结构，其中边缘信息被保留在每一层中，小尺度细节可以被视为具有精细空间尺度的结构。此外，该方法在融合过程中充分考虑了像素级的显著信息和大尺度的结构信息，从而能够获得具有丰富信息且视觉感知效果良好的融合图像。CN114897751ACN114897751A权利要求书1/6页1.基于多尺度结构分解的红外和可见光图像感知融合方法，其特征在于该方法的步骤包括：步骤1，对同一场景的红外和可见光图像进行多尺度结构分解，得到红外和可见光多尺度滤波图像和其中j＝0,1,…,N；N为尺度层数；步骤2，将步骤1得到的红外和可见光多尺度滤波图像和转换到HVS的视觉响应空间中，得到红外图像的多尺度感知对比度和可见光图像的多尺度感知对比度步骤3，对红外和可见光图像的最底层低通图像和进行自适应调整，并基于显著性策略确定其融合权重，得到红外和可见光最底层低通融合图像步骤4，确定红外图像的多尺度感知对比度和可见光图像的多尺度感知对比度的融合权重，得到红外和可见光图像第j层感知对比度的融合图像；步骤5，对步骤3得到的红外和可见光最底层低通融合图像和步骤4得到的红外和可见光图像各层感知对比度的融合图像通过逆变换和重构过程得到最终的融合图像。2.根据权利要求1所述的基于多尺度结构分解的红外和可见光图像感知融合方法，其特征在于：所述步骤1中，对同一场景的红外和可见光图像基于尺度感知边缘保持(SAEP)滤波算法进行多尺度结构分解。3.根据权利要求1所述的基于多尺度结构分解的红外和可见光图像感知融合方法，其特征在于：所述步骤2中，将红外和可见光多尺度滤波图像和转换到HVS的视觉响应空间中，得到红外图像的多尺度感知对比度和可见光图像的多尺度感知对比度的具体方法为：(1)计算红外和可见光图像的多尺度自适应对比度和其中，为红外图像的第j层低通图像，为红外图像的第j层带通图像，为可见光图像的第j层低通图像，为可见光图像的第j层带通图像，t为自适应参数，为一设定值，较佳地，取t＝1，α为调节参数，较佳地，取α＝0.8，(2)计算红外和可见光图像的多尺度感知对比度初始值和当取正值和0时，2CN114897751A权利要求书2/6页当取负值时，当取正值和0时，当取负值时，其中，h为阈值，c为常数；(3)对步骤(2)得到的多尺度感知对比度初始值和进行噪声和强度饱和抑制，得到最终的红外图像的多尺度感知对比度和可见光图像的多尺度感知对比度噪声的抑制方法如下：其中，th为阈值，为源图像的平均灰度值；强度的抑制方法如下：3CN114897751A权利要求书3/6页r为过曝光抑制参数，I0表示源图像。4.根据权利要求3所述的基于多尺度结构分解的红外和可见光图像感知融合方法，其特征在于：所述步骤3中，对红外和可见光图像的最底层低通图像和进行自适应调整，并基于显著性策略确定其融合权重，得到红外和可见光最底层低通融合图像的方法为：(1)对红外和可见光图像的最底层低通图像和进行自适应调整，得到调整后的最底层低通图像和其中l为阈值；(2)根据显著性融合策略确定可见光最底层低通图像的融合权重w：其中表示高斯滤波操作，和分别是可见光和红外图像最底层低通图像的显著图，其计算如下:其中，和分别表示红外图像底层图像区域Ω中像素点n和其相邻像素点k的灰度值，和分别表示可见光图像底层图像区域Ω中像素点n和其相邻像素点k的灰度值；由此，红外和可见光最底层低通融合图像为4CN114897751A权利要求书4/6页5.根据权利要求4所述的基于多尺度结构分解的红外和可见光图像感知融合方法，其特征在于：所述的步骤4，使用双向显著性聚合策略确定红外图像的多尺度感知对比度和可见光图像的多尺度感知对比度的融合权重，得到红外和可见光