一种基于小波变换的红外图像与可见光图像融合的处理方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114881905A(43)申请公布日2022.08.09(21)申请号202210702480.0(22)申请日2022.06.21(71)申请人西北工业大学地址710072陕西省西安市碑林区友谊西路127号(72)发明人郑江滨曹玉琪曹宏业(51)Int.Cl.G06T5/50(2006.01)G06T7/33(2017.01)权利要求书2页说明书4页附图1页(54)发明名称一种基于小波变换的红外图像与可见光图像融合的处理方法(57)摘要可见光图像细节丰富，分辨率高，但是容易受到天气因素的干扰，红外图像因其红外成像的特点可有效避免天气的干扰。对两种图像融合时保留各自的有用信息，能够得到鲁棒性强且信息丰富的融合图像。传统的图像融合方法在选取融合规则时在低频和高频分量都采用平均值的融合规则，无法保持低频信息的全部优势，从而导致融合图像的对比度损失，使融合图像存在“水洗”现象。为弥补传统方法的缺点，本发明提出了一种基于小波变换的红外图与可见光图像融合的处理方法。将两种图像进行小波变换，在像素级别对低频和高频分量分别采用加权平均法和绝对值最大法融合规则进行融合，通过小波逆变换得到融合后的图像，能够保持可见光图像的纹理信息和红外图像的特征细节。本发明适用于红外图像与可见光图像的高质量融合。CN114881905ACN114881905A权利要求书1/2页1.一种基于小波变换的红外图像与可见光图像融合的处理方法，其特征在于包括以下步骤：步骤一，对原始图像进行预处理和图像配准。步骤二，对处理后的原始图像进行小波变换，用小波对原始图像V、I进行K层分解，得到3K+1张子图像。步骤三，将V、I对应分解层次的不同频率分量融合，得到3K张高频子图和K层低频子图。每一层上的不同频率分量可以通过不同的融合算子进行融合，进而得到小波变换金字塔。步骤四：小波逆变换得到红外图像与可见光图像融合后的结果图像。2.根据权利要求1所述的基于小波变换的红外图像与可见光图像融合的处理方法，其特征在于，所述步骤一具体为：对原始图像进行预处理和图像配准。经过对比，选择基于边缘特征的图像配准方法。首先提取原始图像的特征，然后生成特征描述子，最后根据描述子的相似程度对两幅图像的特征之间进行配准，得到的处理后的图像分别为V(x,y)和I(x,y)。3.根据权利要求1所述的基于小波变换的红外图像与可见光图像融合的处理方法，其特征在于，所述步骤二具体为：对处理后的原始图像进行小波变换ω。小波变换是利用小波系数以特征的形式检测图像或特征的边缘。用小波对原始图像V、I进行K层分解，得到3K+1张子图像，其中包括3K个具有细节信息的高频带子图和一个具有近似分量的低频带子图。记红外图像经小波变换后的高频和低频子图分别为ωL(V(x,y))和ωH(I(x,y))，可见光图像经小波变换后的高频和低频子图分别为ωL(V(x,y))和ωH(I(x,y))。小波变换包含不同尺度的源图像的低‑高频带、高‑低频带、高‑高频带和低‑低频带。低‑低频带具有所有正变换值，其余频带具有围绕零波动的变换值。这些波段中较大的变换值响应亮度的急剧变化，从而响应图像中显着特征(例如边缘、线条和边界)的变化。4.根据权利要求1所述的基于小波变换的红外图像与可见光图像融合的处理方法，其特征在于，所述步骤三具体为：将经过小波变换的原始图像对应分解层次的不同频率分量融合，得到3K张高频子图和K层低频子图。每一层上的不同频率分量可以通过不同的融合算子进行融合，进而得到小波变换塔形结构。对待图像进行小波变换后，采用加权平均法得到融合图像在低频分量上相应方向的低频系数矩阵，并在高频分量上相应方向选取较大值。融合后的图像将通过逆变换后的小波系数矩阵获得。其中低频分量采用加权平均法对应计算公式如下所示：Lk(F(x,y))＝λk(V)*ωL(V(x,y))+λk(I)*ωL(I(x,y))(1)其中λk(V)和λk(I)是分别对应可见光图像和红外图像的加权系数，Lk(F(x,y))表示低频分量融合后的结果。高频分量采用绝对值最大法对应的计算过程如下所示：Hk(F(x,y))＝max{ωH(V(x,y)),ωH(I(x,y))}(2)其中Hk(F(x,y))表示高频分量融合后的结果。通常，红外图像包含粗尺度信息，而可见光图像包含细尺度信息。此外，通过将绝对值最大规则应用于高频分量，将加权平均法应用于低频分量，将更多的可见图细节和较少的红外图细节转移到融合图像中。5.根据权利要求1所述的基于小波变换的红外图像与可见光图像融合的处理方法，其2CN114881905A权利要求书2/2页特征在于，所述步骤四具体为：小波逆变换得到红外图像与可见光图像融合后的结果图像。对应计算过程如下