【技术实现步骤摘要】
基于潜在低秩表示与NSST的图像融合方法及装置
本专利技术涉及图像融合领域,特别涉及一种基于潜在低秩表示与NSST的图像融合方法及装置
技术介绍
红外和可见光图像融合技术的开发很大程度上是为了满足现代军用侦查技术的发展,其中可见光图像是反射图像,高频成分多,在一定照度下能反映场景的细节,但照度不佳时的可见光图像(即微光图像)的对比度较低;红外图像是辐射图像,灰度由目标与背景的温差决定,不能反映真实的场景。单独使用可见光或红外图像均存在不足之处,对于这两种具有互补性的图像,图像融合技术能够有效地综合和发掘它们的特征信息,增强场景理解,突出目标,有利于在隐藏、伪装和迷惑的情况下更快、更精确地探测目标。目前针对红外与可见光融合,学者们提出了许多方法,特别是针对像素级的IR和VI图像融合。其中一些多尺度分析工具,例如Contourlet变换,非下采样Contourlet变换(NSCT),非下采样剪切波变换(NSST)等,已经成功用于图像融合领域。研究表明,NSST是目前分解速度最快、分解效果最为精细的MGA工具,它不仅在空间和频域都具有良好的局部特性,而且采用局部化小尺寸剪切滤波器,能够避免块效应和弱化吉布斯振铃现象,同时提高时域卷积计算效率,因此受到很多研究者的青睐。文献《Adaptivefusionmethodofvisiblelightandinfraredimagesbasedonnon-subsampledshearlettransformandfastnon-negativematrixfactorization[J],InfraredPhysics& ...
【技术保护点】
1.一种基于潜在低秩表示与NSST的图像融合方法,其特征在于,所述方法包括:获取来自同一场景且经过图像配准的红外图像和可见光图像;利用非采样剪切变换NSST分别对所述红外图像和所述可见光图像进行多尺度分解形成低频子带系数和高频子带系数;利用潜在低秩表示LatLRR对所述红外图像和所述可见光图像进行分解,分别对应得到表征所述红外图像显著特征的第一显著图以及表征所述可见光图像显著特征的第二显著图,利用所述第一显著图和第二显著图对所述低频子带系数进行自适应加权融合得到低频融合系数;获取高频子带系数的平均梯度AVG,利用所述平均梯度作为高频子带系数的融合系数;利用NSST逆变换低频子带系数和高频子带系数得到融合图像。
【技术特征摘要】
1.一种基于潜在低秩表示与NSST的图像融合方法,其特征在于,所述方法包括:获取来自同一场景且经过图像配准的红外图像和可见光图像;利用非采样剪切变换NSST分别对所述红外图像和所述可见光图像进行多尺度分解形成低频子带系数和高频子带系数;利用潜在低秩表示LatLRR对所述红外图像和所述可见光图像进行分解,分别对应得到表征所述红外图像显著特征的第一显著图以及表征所述可见光图像显著特征的第二显著图,利用所述第一显著图和第二显著图对所述低频子带系数进行自适应加权融合得到低频融合系数;获取高频子带系数的平均梯度AVG,利用所述平均梯度作为高频子带系数的融合系数;利用NSST逆变换低频子带系数和高频子带系数得到融合图像。2.根据权利要求1所述的基于潜在低秩表示与NSST的图像融合方法,其特征在于,所述获取来自同一场景且经过图像配准的红外图像和可见光图像,包括:分别获取同一场景的红外图像和可见光图像;对红外图像和可见光图像进行特征提取得到特征点,通过进行相似性度量找到匹配的特征点对,通过匹配的特征点对得到图像空间坐标变换参数,由坐标变换参数进行红外图像和可见光图像的图像配准。3.根据权利要求2所述的基于潜在低秩表示与NSST的图像融合方法,其特征在于,所述利用非采样剪切变换NSST分别对所述红外图像和所述可见光图像进行多尺度分解形成低频子带系数和高频子带系数,包括:利用非采样剪切变换NSST分别对所述红外图像和所述可见光图像进行多尺度分解分别形成低频子带系数和高频子带系数其中l是分解层数,k是每层分解方向的数量,(i,j)代表像素元的位置。4.根据权利要求3所述的基于潜在低秩表示与NSST的图像融合方法,其特征在于,所述利用潜在低秩表示LatLRR对所述红外图像和所述可见光图像进行分解,分别对应得到表征所述红外图像显著特征的第一显著图以及表征所述可见光图像显著特征的第二显著图,利用所述第一显著图和第二显著图对所述低频子带系数进行自适应加权融合,包括:利用LatLRR对所述红外图像和所述可见光图像进行分解,分别对应得到表征所述红外图像显著特征的第一显著图SIR(i,j)以及表征所述可见光图像显著特征的第二显著图SVI(i,j);对所述第一显著图和所述第二显著图进行灰度值归一化分别对应形成第一加权系数矩阵S1(i,j)和第二加权系数矩阵S2(i,j);利用第一加权系数矩阵S1(i,j)和第二加权系数矩阵S2(i,j)分别指导基于红外显著性与可见光显著性的自适应加权融合得到低频融合系数,所述低频融合系数Cl,k(i,j)表达式为:其中Cl,k(i,j)代表低频融合系数。5.根据权利要求4所述的基于潜在低秩表示与NSST的图像融合方法,其特征在于,所述获取高频子带系数的平均梯度AVG,利用所述平均梯度作为高频子带系数的融合系数,包括:计算高频子带系数的平均梯度AVG,AVG的表达式为:其中AVG代表像素元ij处的平均梯度,Dl,k(i,j)表示高频子带系数,分别表示水平、垂直与对角线方向...
【专利技术属性】
技术研发人员:程博阳,金龙旭,李国宁,
申请(专利权)人:中国科学院长春光学精密机械与物理研究所,
类型:发明
国别省市:吉林,22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。