一种基于三尺度分解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CN112801927A(43)申请公布日2021.05.14(21)申请号202110117799.2(22)申请日2021.01.28(71)申请人中国地质大学（武汉）地址430000湖北省武汉市洪山区鲁磨路388号(72)发明人黄书贤刘峰(51)Int.Cl.G06T5/50(2006.01)G06T5/20(2006.01)G06K9/46(2006.01)权利要求书2页说明书4页附图3页(54)发明名称一种基于三尺度分解的红外和可见光图像融合方法(57)摘要本发明提供一种基于三尺度分解的红外和可见光图像融合方法，该方法针对现有的基于多尺度变换融合方法纹理不清晰、红外目标边缘模糊的问题，提出了一种基于三尺度分解的融合算法。首先，利用显著性检测算法和高斯滤波器将源图像分解为显著层、细节层和基层图像。然后，对于显著层，本文设计了一种非线性函数计算权重矩阵用以融合显著层；对于细节层，本文采用取绝对值最大的方法进行融合，有效地保留了细节纹理信息；对于基层，采用了简单的像素平均准则进行融合。最后，采用对应的逆变换方法得到最终的融合图像。本发明能够有效地保留源图像中的细节纹理信息，同时能够消除现有方法结果中红外目标边缘模糊的问题。CN112801927ACN112801927A权利要求书1/2页1.一种基于三尺度分解的红外和可见光图像融合方法，其特征在于，包括以下几个步骤：S1、使用显著性检测方法和高斯滤波器将红外图像和可见光图像分别分解为显著层、细节层和基层；S2、对于红外图像的显著层和可见光图像的显著层，首先提取红外目标的分布图，然后引入一个非线性函数建立权重矩阵，从而得到红外图像的显著层和可见光图像的显著层融合后的显著层SF；S3、采用取绝对值最大的策略将红外图像的细节层和可见光图像的细节层融合，得到融合后的细节层DF；S4、采用简单的像素平均方法对红外图像的基层和可见光图像的基层进行融合，得到融合后的基层BF；S5、将融合后的显著层SF、细节层DF和基层BF进行像素级的相加，确保与输入图像大小相同，从而得到重构的融合图像。2.根据权利要求1所述的一种基于三尺度分解的红外和可见光图像融合方法，其特征在于，所述S1具体如下：S11、利用显著性检测算法将源图像分解得到红外和可见光图像的显著层和非显著层，公式如下：其中，I代表源图像，i＝a代表红外图像，i＝b代表可见光图像，S代表显著层，DI代表非显著层，s代表显著性矩阵，定义如下：其中，Iμ代表源图像所有像素的平均值，Iωhc代表源图像的高斯模糊版本；S12、使用高斯滤波器将非显著层进一步分解为细节层和基层，公式如下：其中，Gr,σ为半径为r、方差为σ的高斯滤波器，B代表基层，D代表细节层，由此，源图像I被分解为显著层S、细节层D和基层B。3.根据权利要求1所述的一种基于三尺度分解的红外和可见光图像融合方法，其特征在于，所述S2中红外目标的分布图定义如下：其中，R为红外目标分布图，Sa代表红外图像的显著层，Sb代表可见光图像的显著层。4.根据权利要求3所述的一种基于三尺度分解的红外和可见光图像融合方法，其特征在于，所述S2中非线性函数定义如下：Ca＝arctan(λR)/arctan(λ)其中，Ca为红外图像的显著层的权重矩阵，R为红外目标分布图，λ为超参数，1≥λ≥0。2CN112801927A权利要求书2/2页5.根据权利要求4所述的一种基于三尺度分解的红外和可见光图像融合方法，其特征在于，所述S2中融合之后的显著层SF计算如下：SF＝Ca·Sa+(1‑Ca)·Sb其中，Ca为红外图像的显著层的权重矩阵，Sa代表红外图像的显著层，Sb代表可见光图像的显著层。6.根据权利要求1所述的一种基于三尺度分解的红外和可见光图像融合方法，其特征在于，所述S3中采用取绝对值最大的策略融合得到的融合细节层DF，公式如下：其中，Da(x,y)为红外图像的细节层，Db(x,y)为可见光图像的细节层。7.根据权利要求1所述的一种基于三尺度分解的红外和可见光图像融合方法，其特征在于，所述S4中采用像素平均的方法得到融合基层BF，公式如下，其中，Ba(x,y)为红外图像的基层，Bb(x,y)为可见光图像的基层。3CN112801927A说明书1/4页一种基于三尺度分解的红外和可见光图像融合方法技术领域[0001]本发明涉及图像处理技术领域，尤其涉及一种基于三尺度分解的红外和可见光图像融合方法。背景技术[0002]红外(IR)与可见光(VS)图像的融合起着重要的军事作用和民用应用，如目标探测、监视和情报收集。红外成像传感器可以捕获物体发出的热辐射，受黑暗或恶劣的天气条件影响较小。然而，获得的IR图像通常缺乏足够的背景细节的场景。