The invention discloses a variational fusion method for infrared and visible images, which maintains saliency information, and belongs to the technical field of multi-source image fusion. The method first obtains two saliency maps of the source image to be fused; then constructs a weighted fusion term based on the saliency map of the source image to be fused; then constructs a weighted structure tensor, obtains the target gradient through the maximum eigenvalue of the weighted structure tensor and the corresponding eigenvector, and forms a \gradient fusion term\; finally establishes and solves the image that maintains saliency information. Fusion variational optimization problem. Compared with GTF method, the variational fusion method of the present invention is not only more effective in enhancing target features, but also retains background details and other information. The present invention is superior to several popular image fusion methods in subjective and objective evaluation.
【技术实现步骤摘要】
一种保持显著性信息的红外与可见光图像变分融合方法
本专利技术属于多源图像融合
,具体涉及一种保持显著性信息的红外与可见光图像变分融合方法。
技术介绍
当前,视觉目标检测系统大多利用可见光成像设备,其优势在于可获得纹理细节丰富,且与人眼感受一致的可见光图像,便于计算机视觉算法处理。然而,可见光成像设备易受成像场景中气候、光照等环境因素影响,尤其当目标被遮蔽时,检测任务几乎无法实现,此时有必要借助不同成像机理的成像源(如红外、合成孔径雷达等)提供场景的互补信息。在后期处理中,借助多源图像融合技术将可见光和其他模态的图像进行像素级融合,以获得对成像场景更准确的表达。在诸多其他类型的成像设备中,红外传感器能够通过采集目标的热辐射准确获取目标的轮廓特征,在光线较暗或目标被遮蔽等情况下优势明显,因而获得越来越广泛的应用。然而,红外图像纹理模糊、信噪比低的缺点使得单独使用红外图像进行目标检测也存在一定困难。因此,红外与可见光图像融合方法获得大量研究。在图像融合的实际应用中,由于待检测目标的位置在源图像中难以提前预知,因此可以考虑将源图像的显著区域(代表视觉注意力的焦点)作为图像融合方法的先验信息,在融合过程中突显这些区域,可以有效增强目标特性。时至今日,已经出现一些凸显源图像显著性的多源图像融合方法,在这些现有方法中,变分融合方法在增强源图像视觉显著信息方面表现尤为突出,其中:在早期的研究中,Socolinsky和Wolff(参考文献[1]:D.A.Socolinsky,L.B.Wolff.“Multispectralimagevisualizationthrou ...
【技术保护点】
1.一种保持显著性信息的红外与可见光图像变分融合方法,其特征在于:所述方法具体包括如下几个步骤:步骤一、获得两幅待融合源图像的显著图;首先利用显著性检测模型B来获得两幅待融合源图像I1和I2的显著图S1和S2,所述的两幅待融合源图像为红外图像;对于具有RGB通道的彩色可见光图像,通过HIS变换将彩色可见光图像的RGB空间转换为HIS空间,得到I分量、H分量和S分量;并将RGB图像的I分量用于显著性检测模型A的输入,HIS变换的基本公式如下:
【技术特征摘要】
1.一种保持显著性信息的红外与可见光图像变分融合方法,其特征在于:所述方法具体包括如下几个步骤:步骤一、获得两幅待融合源图像的显著图;首先利用显著性检测模型B来获得两幅待融合源图像I1和I2的显著图S1和S2,所述的两幅待融合源图像为红外图像;对于具有RGB通道的彩色可见光图像,通过HIS变换将彩色可见光图像的RGB空间转换为HIS空间,得到I分量、H分量和S分量;并将RGB图像的I分量用于显著性检测模型A的输入,HIS变换的基本公式如下:其中,I代表亮度,H代表色度,S代表饱和度,v1、v2为颜色分量,此处为临时变量,R、G、B分别表示红色、绿色和蓝色;色度分量H和饱和度分量S作为保留项,用于步骤四的逆HIS变换;步骤二、构造基于待融合源图像的显著图的权重函数,形成加权融合项;步骤三、构造加权结构张量,通过加权结构张量的最大特征值和相应的特征向量获得目标梯度,形成“梯度融合项”;步骤四、建立并求解保持显著性信息的图像融合变分优化问题。2.根据权利要求1所述的一种保持显著性信息的红外与可见光图像变分融合方法,其特征在于:步骤二所述的加权融合项构建形式如下:其中,I1(x,y)、I2(x,y)为两幅待融合源图像,If(x,y)为权重融合结果;ω1(x,y)和ω2(x,y)分别为显著图S1和显著图S2的权重函数。3.根据权利要求2所述的一种保持显著性信息的红外与可见光图像变分融合方法,其特征在于:所述的权重函数,定义如下:和为两幅待融合源图像的显著图S1和S2进行归一化后的显著图,(x,y)表示图像像素位置。4.根据权利要求1所述的一种保持显著性信息的红外与可见光图像变分融合方法,其特征在于:步骤三中所述的加权结构张量C(x,y)定义如下:上...
【专利技术属性】
技术研发人员:刘春辉,丁文锐,刘春蕾,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
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。