一种基于灰度—梯度优化的多积分时间红外图像融合方法.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CN110035239A(43)申请公布日2019.07.19(21)申请号201910424959.0(22)申请日2019.05.21(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)发明人李力李硕金伟其王霞(74)专利代理机构北京理工正阳知识产权代理事务所(普通合伙)11639代理人邬晓楠(51)Int.Cl.H04N5/33(2006.01)H04N5/235(2006.01)H04N5/217(2011.01)权利要求书3页说明书7页附图5页(54)发明名称一种基于灰度—梯度优化的多积分时间红外图像融合方法(57)摘要本发明公开的一种基于灰度—梯度优化的多积分时间红外图像融合方法，涉及多积分时间红外图像的融合方法，属于图像处理技术领域。本发明实现方法为：基于输入多积分时间红外图像序列构造一幅目标灰度图像；基于输入多积分时间红外图像序列构造一幅目标梯度图像；根据目标灰度图像和目标梯度图像构造关于融合图像的最优化问题并求解，即得到兼顾场景强辐射和非强辐射区域细节信息的高质量融合图像。相比未使用多积分时间红外图像融合技术的情形，采用本发明方法得到的融合图像能够更好地保留观察场景中强辐射区域和非强辐射区域的景物细节信息，从而更有利于改善高动态范围场景下热成像设备的成像效果。CN110035239ACN110035239A权利要求书1/3页1.一种基于灰度—梯度优化的多积分时间红外图像融合方法，其特征在于：包括以下步骤，步骤1，基于输入多积分时间红外图像序列构造一幅目标灰度图像；步骤2，基于输入多积分时间红外图像序列构造一幅目标梯度图像；步骤3，根据目标灰度图像和目标梯度图像构造关于融合图像的最优化问题并求解，即得到兼顾场景强辐射和非强辐射区域细节信息的高质量融合图像，进而有效拓展红外热成像系统的动态范围，改善热成像系统在高动态范围场景下的成像效果。2.如权利要求1所述的一种基于灰度—梯度优化的多积分时间红外图像融合方法，其特征在于：步骤1实现方法为，步骤1.1，对于输入序列中的每幅图像生成一幅权重图；具体方法为：根据输入图像局域平均灰度对相应区域的曝光良好程度进行估计，进而生成一幅权重图，式中，wi、分别为第i幅输入图像Ii对应的权重图和归一化局域平均灰度图，σ为权重计算函数的控制参数；W为红外图像原始数据位宽，S为局域窗口宽度；x、y分别为像素点的横向和纵向坐标，p、q分别为局域窗口内像素点的横向和纵向坐标；步骤1.2，根据步骤1.1得到的权重图和输入图像生成目标灰度图像；具体方法为：根据步骤1.1得到的权重图对输入图像进行合成，并使用非锐化掩模的方法对合成后的灰度图像进行增强，进而得到目标灰度图像，式中，为中间合成图像，Iobj为目标灰度图像，c为细节提升系数，K为空域低通滤波器，为卷积算子；Q为输入图像帧数，ε是用于防止除零错误的常数。3.如权利要求1或2所述的一种基于灰度—梯度优化的多积分时间红外图像融合方法，其特征在于：步骤2实现方法为，步骤2.1，在输入图像序列中找到曝光度最佳的图像；具体方法为：根据公式(3)基于有效反映曝光水平的指标对输入图像进行筛选，找到曝光度最佳的图像；2CN110035239A权利要求书2/3页式中，Ibe为曝光度最佳的图像；P(Ii)是一个用于衡量图像曝光水平的指标，定义为图像中灰度值高于中等灰度级(2W-1)的像素数量与剩余像素数量之比，最佳曝光图像即为输入图像序列中对应P值最接近理想值1的那幅图像；步骤2.2，在曝光度最佳图像中定位强辐射场景对应的过曝区域；具体方法为：设定灰度阈值，并将最佳曝光图像中灰度高于阈值的像素构成的集合定义为过曝区域，式中，Ω为过曝区域，Tg是用于分割过曝区域的灰度阈值，r是调节灰度阈值的系数；步骤2.3，根据输入多积分时间红外图像的梯度信息生成目标梯度图像；具体方法为：对于非过曝区域，目标梯度图取值与最佳曝光图像的梯度相同；对于过曝区域，目标梯度图取值为输入图像序列中对应位置处幅值最大的梯度，式中，Gobj为目标梯度图像，为梯度算子，上标U表示整个图像区域。4.如权利要求3所述的一种基于灰度—梯度优化的多积分时间红外图像融合方法，其特征在于：步骤3实现方法为，基于目标灰度图像和目标梯度图像构建如下形式的最小化问题，式中，If为待求融合图像，λ为梯度项惩罚因子；根据变分原理，将问题(6)转化为欧拉-拉格朗日方程式中，F为公式(6)中的被积函数，Ix、Iy分别为图像沿x、y方向的梯度；将式(7)进一步转化为，式中，和div分别为拉普拉斯算子和散度算子；对式(8)应用有限差分格式，得到以下形式的大型线性方程组，Ax＝b(9)3CN110035239A权利要求书