非下采样剪切波变换域下的红外与可见光图像融合方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114549379A(43)申请公布日2022.05.27(21)申请号202210050660.5(22)申请日2022.01.17(71)申请人江苏海洋大学地址222000江苏省连云港市高新区苍梧路59号(72)发明人康家银武凌霄张文娟(74)专利代理机构北京和联顺知识产权代理有限公司11621专利代理师闫超良(51)Int.Cl.G06T5/50(2006.01)G06T5/20(2006.01)G06T7/13(2017.01)G06T11/00(2006.01)权利要求书3页说明书6页附图2页(54)发明名称非下采样剪切波变换域下的红外与可见光图像融合方法(57)摘要本发明涉及非下采样剪切波变换域下的红外与可见光图像融合方法，总体而言方法分为：源图像的分解、子带图像的融合和融合子带图像的重构三个部分。通过新的低频子带融合策略提取了残留在低频子带图像中的细节信息；通过引导滤波优化加权的高频融合策略保留了更多源图像的边缘纹理细节和减少伪影。该方法显著地减轻了“伪影”问题，并有效地减少了源图像中细节信息的损失。CN114549379ACN114549379A权利要求书1/3页1.非下采样剪切波变换域下的红外与可见光图像融合方法，其特征在于：该方法包括以下步骤：S1、源图像分解；使用NSST将源图像分解为低频子带图像和高频子带图像，其中低频子带图像包含了源图像的背景信息和少部分边缘、纹理信息；高频子带图像包含源图像的边缘、纹理信息；S2、子带图像的融合；对于高频子带图像，设计了基于引导滤波(Guidedfilter,GF)优化的加权融合策略；对于低频子带图像，基础层使用基于稀疏表示(Sparserepresentation,SR)的融合策略，细节层采用基于一致性验证的局部最大值的融合策略；S3、融合子带图像的重构；对上述融合得到的高、低频子带图像进行NSST反变换，重构得到最终的融合结果。2.根据权利要求1所述的非下采样剪切波变换域下的红外与可见光图像融合方法，其特征在于：所述S1中将源图像分解为低频子带图像和高频子带图像的具体步骤为：S1‑1、利用NSST对源红外图像Ir和可见光图像Iv进行4层分解；S1‑2、对各自的低频子带(Lr和Lv)和高频子带(和就行存储，j＝1,2,3,4。3.根据权利要求1所述的非下采样剪切波变换域下的红外与可见光图像融合方法，其特征在于：所述S2中基于GF优化的加权融合策略具体包括S2‑01至S2‑03；S2‑01：对于高频子带图像(和使用拉普拉斯滤波器与高斯滤波器得到高频子带的显著性图并计算出融合权重图(和对第j级分解高频子带Hj使用拉普拉斯滤波以获得高通图像其中Laplacian(·)为拉普拉斯滤波器，其大小为3×3，采用中像素灰度绝对值的局部平均值和高斯滤波器来构造显著性图Sj：其中Sj为第j级分解高频子带的显著性图，Gaussian(·)为高斯滤波器，通过比较显著性图以确定融合权重图：其中，为第j级分解第n(n∈{v,r})幅图像(x,y)处像素的权重值，为第j级分解第n幅图像的显著性图；S2‑02：在得到高频子带图像权重图后，使用GF对权重图进行优化，利用对应的源图像In作为引导图像，对每个权重图进行引导滤波优化：其中，第j级分解第n(n∈{v,r})幅图像的引导滤波结果，即优化后的权值，2CN114549379A权利要求书2/3页GuidedFilter(·)为引导滤波器；S2‑03：基于优化后的权重图融合高频子带图像，从而得到融合后的高频子带图对n个引导滤波优化的权重图进行归一化，使它们在每个像素处的和为1，然后将j级分解的高频子带图像分别进行加权平均融合，从而得到j级高频子带的融合图像：其中，和分别代表优化后的可见光和红外高频子带的权重，和分别代表可见光和红外高频子带图。4.根据权利要求1所述的非下采样剪切波变换域下的红外与可见光图像融合方法，其特征在于：所述S2中低频子带图像融合策略包括S2‑1至S2‑3；S2‑1：使用滚动引导滤波器(RollingGuidanceFilter,RGF)将低频子带图像分解为基础层(Br和Bv)和细节层(Dr和Dv)；S2‑2：对于基础层图像利用SR算法进行融合；S2‑3：对于细节层，利用基于一致性验证的局部最大值策略进行融合。5.根据权利要求4所述的非下采样剪切波变换域下的红外与可见光图像融合方法，其特征在于：所述S2‑1中低频子带图像分解包括以下步骤：S2‑1‑1：红外和可见光图像的NSST低频子带(Lr和Lv)通过RGF进行滤波，得到基础层图像：B＝RGF(L)，其中B和L分别为基础层图像和输入的低频子带图像，RGF(·)为滚动引导滤波器，RGF(L)表示对L进行滚动引导滤波