基于NSCT和非线性增强的红外双波段图像融合算法.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CN109472762A(43)申请公布日2019.03.15(21)申请号201710799441.6(22)申请日2017.09.07(71)申请人哈尔滨工大华生电子有限公司地址150010黑龙江省哈尔滨市松北区中源大道15199号4#3单元3层(72)发明人孙芳魁付善银董长春(51)Int.Cl.G06T5/50(2006.01)权利要求书2页说明书7页附图6页(54)发明名称基于NSCT和非线性增强的红外双波段图像融合算法(57)摘要基于NSCT和非线性增强的红外双波段图像融合算法，本发明属于计算机视觉领域及图像处理领域，解决现有技术在热成像对比度较差条件下无法有效融合、多尺度图像融合算法计算较慢、融合图像残留过多冗余信息等技术问题。本发明的技术方案主要包括：对远红外图像非线性增强；NSCT分解近红外和远红外图像得到低频子带系数和高频子带系数；采用“区域能量选大”的方式来选择低频子带融合系数，以近红外图像的高频子带系数作为融合图像的高频子带系数；系数重构后通过高斯增强滤波得到融合图像。主要用于近红外与远红外双波段的图像融合。CN109472762ACN109472762A权利要求书1/2页1.基于NSCT和非线性增强的红外双波段图像融合算法，其特征在于，包括如下几个步骤：步骤1、对热探测器获得的远红外图像进行非线性增强，实现其对比度增强；步骤2、分别对增强后的远红外图像和微光探测器获得的近红外图像进行NSCT，得到两图像的低频和高频系数；步骤3、通过选模极大的方式选择低频系数作为融合图像的低频系数，以近红外微光图像的高频系数作为融合图像的高频系数；步骤4、将得到的融合系数进行逆NSCT后得到重构图像，再对其进行高通增强滤波增强得到最终的融合图像。2.根据权利要求1所述的基于NSCT和非线性增强的红外双波段图像融合算法，其特征在于，所述的步骤1中远红外图像的非线性增强是线性灰度变换和非线性灰度变换结合的分段灰度变换，热目标与背景的对比度得到高度增强，非线性增强的变换式为：式中和分别为增强前和增强后远红外图像的归一化灰度级；k、m、γ均为常数。3.根据权利要求1所述的基于NSCT和非线性增强的红外双波段图像融合算法，其特征在于，所述步骤3中对于经过NSCT得到的低频系数的处理改进为“区域能量选大”的方式来选择低频融合系数，由此突出远红外热成像的高对比度特性，低频系数选择规则为：式中LF为低频融合系数；LA、LB为两幅待融合图像的低频系数；EA、EB为两幅图像的局部区域能量，其计算公式为：式中为图像的归一化灰度级。4.根据权利要求1所述的基于NSCT和非线性增强的红外双波段图像融合算法，其特征在于，所述步骤3中对于经过NSCT得到的高频系数舍弃了远红外热成像的高频系数，以近红外微光图像的高频系数作为融合图像的高频系数，由此避免场景中背景温度细节起伏对于融合图像背景细节表现效果的影响。5.根据权利要求1所述的基于NSCT和非线性增强的红外双波段图像融合算法，其特征在于，所述步骤4中对于重构图像进行高通增强滤波以实现对融合图像的空间细节表现能力的增强，即对高通滤波器的传递函数加上一个权重系数：式中H为Butterworth高通滤波器的传递函数：2CN109472762A权利要求书2/2页式中D0为截至频率，n为滤波器的阶数。3CN109472762A说明书1/7页基于NSCT和非线性增强的红外双波段图像融合算法技术领域[0001]本发明属于计算机视觉领域及图像处理领域，具体涉及一种综合了远红外热成像的高对比度特性和近红外微光成像空间细节信息丰富优点的基于NSCT和非线性增强的红外双波段图像融合算法。背景技术[0002]随着城市安防、军事侦查以及战场监控等领域对于夜视技术的迫切需求，具有高分辨率且高对比度的红外成像越来越成为全球夜视技术未来的发展趋势，而目前无论是近红外微光成像还是远红外热成像都存在明显的缺陷，这些缺陷主要体现在微光成像目标不突出而热成像空间分辨率较差等致命弱点。通过图像融合可以综合这两种成像的优点得到空间分辨率较高、细节信息丰富且热目标清晰的融合图像，这对于拓宽夜视探测的范围和改善夜视成像的质量都有非常重大的意义。此外，由于近红外微光成像和远红外热成像均属于被动成像，不需要主动发射照明，因此在夜间监视犯罪和军事侦查等方面有着相当广阔的应用前景；目前基于NSCT的图像融合专利如：一种基于NSCT的SAR图像和可见光图像的融合方法（201110399402.X），该方法在抑制噪声的同时可取得较好的融合效果，但是由于该方法对低频系数采取“绝对值极大”的策略来选择融合系数，因此当源图像对比度较差时就不能实现有效的融合，具体表现为融合图像与其中一幅源