基于特有信息同步分解的红外与可见光图像融合方法技术

本发明专利技术提出基于特有信息同步分解的红外与可见光图像融合方法，包括以下步骤：图像预处理、图像均值剥离、字典学习和构建、图像的联合稀疏分解、稀疏系数融合、均值融合和图像重构；本发明专利技术通过在联合稀疏表示模型下提出了一种对红外与可见光图像的特有信息进行同步正交匹配追踪分解的图像融合算法，可以将对原始根据图像块的融合方式进一步细化到对参与这个图像块的所有原子表示系数进行融合，提高了融合的全面性与完整性，得到的融合图像特征明显，信息全面，即它不仅能将红外与可见光图像的特有信息融合到一起，而且融合图像整体更加清晰，并不会出现某一块区域失真现象。

【技术实现步骤摘要】
基于特有信息同步分解的红外与可见光图像融合方法
本专利技术涉及图像融合领域，尤其涉及基于特有信息同步分解的红外与可见光图像融合方法。
技术介绍
由于红外传感器与可见光传感器的成像原理差别，两种传感器获取的图像信息具有互补性和冗余性。红外成像够探测到隐蔽或者刻意伪装的目标，且24小时无间断工作，但是其空间分辨率差；可见光图像是根据光照的反射信息成像，具有一定的空间分辨率，场景中的大部分信息都能清晰可见，其细节信息更为丰富近年来，现有的图像稀疏表示模型方法受到广泛关注，该模型用冗余字典中少数原子的线性累加来表示图像信号，这些原子的非零系数代表了图像的主要特征结构，目前被广泛应用于图像融合领域，该方法虽然对多源图像做到了同步分解，但是它并没有将多源图像的冗余信息剥离，这不利于图像融合，因此在稀疏表示基础上，联合稀疏表示模型的提出解决了多源图像的特征提取问题，该模型将多源图像的冗余信息和互补信息分别定义为共有信息和特有信息，虽然联合稀疏表示能更好地提取红外与可见光图像的特征信息，但是其分解过程依然是根据OMP算法求解，融合规则依然是特有稀疏系数向量的处理，对于要融合的特有信息，两者在进行稀疏本文档来自技高网...

【技术保护点】
1.基于特有信息同步分解的红外与可见光图像融合方法，其特征在于：包括以下步骤：步骤一：图像预处理将参与融合的红外图像标记为Y1，将参与融合的可见光图像标记为Y2，再将红外图像Y1与可见光图像Y2分别通过滑动窗口分成P个图像块，然后得到红外图像与可见光图像的数据矩阵X1和X2；步骤二：图像均值剥离对X1和X2的列向量分别剥离其均值，去均值后的图像数据Y1和Y2，然后构建新的联合数据

【技术特征摘要】
1.基于特有信息同步分解的红外与可见光图像融合方法，其特征在于：包括以下步骤：步骤一：图像预处理将参与融合的红外图像标记为Y1，将参与融合的可见光图像标记为Y2，再将红外图像Y1与可见光图像Y2分别通过滑动窗口分成P个图像块，然后得到红外图像与可见光图像的数据矩阵X1和X2；步骤二：图像均值剥离对X1和X2的列向量分别剥离其均值，去均值后的图像数据Y1和Y2，然后构建新的联合数据步骤三：字典学习和构建在去均值后的图像数据Y1和Y2中随机选取样本，再通过KSVD算法构学习、构建联合稀疏表示下的新字典步骤四：图像的联合稀疏分解根据Y＝Dα原则，对红外图像Y1与可见光图像Y2的特有信息进行分解，得到共有系数αc及红外与可见光图像的特有系数和步骤五：稀疏系数融合对第t个稀疏系数按照公式(1)进行融合，得到融合后的稀疏系数αf(t)：其中，表示红外图像第t块的特有稀疏系数的第i个元素值，ji是红外图像与可见光图像稀疏系数的相同位置元素模值最大来源，是根据对应位置模值取大之后得到的第t块特有融合系数；步骤六：均值融合对第t个均值按照公式(2)进行融合，得到融合后的图像均值m(t)：m(t)＝τm1(t)+(1-τ)m2(t)τ＝1/(1+exp{-β(||Y1(t)||2-||Y2(t)||2)})(2)其中，Y1(t)和Y2(t)为第t个去均值后的图像数据，τ为权值；步骤七：图像重构对稀疏系数αf(t)和图像均值αf(t)进行重构，然后对重构后的数据进行累加求平均值，得到最终的融合图像IF。2.根据权利要求1所述的基于特有信息同步分解的红外与可见光图像融合方法，其特征在于：所述步骤一中将参与融合的红外图像标记为Y1，将参与融合的可见光图像标记为Y2，再将红外图像Y1与可见光图像Y2分别通过大小的滑动窗口分成P个图像块，n为字典原子的维数，拉直每个图像块再依次排成列向量，得到红外图像与可见光图像的数据矩阵X1和X2，矩阵大小为n×P。3.根据权利要求1所述的基于特有信息同步分解的红外与可见光图像融合方法，其特征在于：所述步骤二中先对X1和X2的列向量分别剥离其均值m1(t)和m2(t)，其中t∈[1,P]表示第t个列向量，得到去均值后的图像数据Y1和Y2，构建新的联合数据4.根据权利要求1所述的基于特有信息同步分解的红外与可见光图像融合方法，其特征在于：所述步骤三的具体过程为：在上述步骤二中剥离去除X1和X2的列向量的均值得到的图像数据Y1和Y2中随机选取L个样本构成训练集，...

【专利技术属性】
技术研发人员：何贵青，纪佳琪，霍胤丞，王琪瑶，张琪琦，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61