一种图像融合方法及系统技术方案

本发明专利技术涉及一种图像融合方法及系统。该方法包括：获取源图像；源图像包括荧光图像和可见光图像；采用高斯滤波方法对源图像进行二尺度分解，得到源图像的基层图像和细节层图像；使用非线性函数构建突出荧光信息的权重图；对荧光图像对应的基层图像和可见光图像对应的基层图像进行融合，得到融合图像的基层图像；基于显著性检测构建增强荧光信息的第二权重图；对荧光图像对应的细节层图像和可见光图像对应的细节层图像进行融合，得到融合图像的细节层图像；将融合图像的基层图像和融合图像的细节层图像重建，得到融合图像。本发明专利技术可以降低多尺度算法的复杂度，提高图像融合的效率。

An image fusion method and system

【技术实现步骤摘要】
一种图像融合方法及系统
本专利技术涉及图像处理
，特别是涉及一种图像融合方法及系统。
技术介绍
图像融合技术是对同一场景在不同光谱与空间细节下的两幅或者多幅图像信息进行综合。Toetetal在对不同图像融合方案的感知评价中指出，红外图像对目标检测和识别效果最好，而可见光图像对全局场景感知效果最好，因此，综合利用可见光图像与红外图像间的互补信息融合成为新图像，提供更丰富的信息，在目标识别、多源信息挖掘、医学成像以及地图匹配等研究领域中有着重要的应用。由于多尺度几何分析方法符合人类的视觉特征，获得的融合图像具有良好的视觉效果，所以主流的融合算法大多以多尺度几何分析为基础，如金字塔融合算法、基于离散小波变换融合算法、曲线变换和轮廓波变换等等。但是，传统的多尺度图像融合方法都是在频域上实现，计算复杂度高，不能满足系统实时性的要求，二尺度空域变换图像融合方法的提出提高了融合效率，但已有的二尺度方法处理图像容易产生噪声。
技术实现思路
本专利技术的目的是提供一种图像融合方法及系统，以降低多尺度算法的复杂度，提高图像融合的效率。为实现上述目的，本专利技术提供了如下方案：一种图像融合方法，包括：获取源图像；所述源图像包括待融合的荧光图像和可见光图像；采用高斯滤波方法对所述源图像进行二尺度分解，得到所述源图像的基层图像和细节层图像；所述源图像的基层图像包括所述荧光图像对应的基层图像和所述可见光图像对应的基层图像，所述源图像的细节层图像包括所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像；使用非线性函数构建突出荧光信息的第一权重图；根据所述第一权重图对所述荧光图像对应的基层图像和所述可见光图像对应的基层图像进行融合，得到融合图像的基层图像；基于显著性检测构建增强荧光信息的第二权重图；所述第二权重图包括荧光图像的最终权重图和可见光图像的最终权重图；根据所述第二权重图对所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像进行融合，得到融合图像的细节层图像；将所述融合图像的基层图像和所述融合图像的细节层图像重建，得到融合图像。可选的，所述采用高斯滤波方法对所述源图像进行二尺度分解，得到所述源图像的基层图像和细节层图像，具体包括：利用公式对所述荧光图像进行二尺度分解，得到所述荧光图像对应的基层图像和细节层图像；其中，IN为所述荧光图像，BN为荧光图像对应的基层图像，DN为荧光图像对应的细节层图像，G(r,σ)为高斯滤波器，r为滤波窗口的大小，σ为标准差；利用公式对所述可见光图像进行二尺度分解，得到所述可见光图像对应的基层图像和细节层图像；其中，IV为所述可见光图像，BV为可见光图像对应的基层图像，DV为可见光图像对应的细节层图像。可选的，所述使用非线性函数构建突出荧光信息的第一权重图，具体包括：利用公式识别荧光图像对应的基层图像中的目标特征信息，得到荧光信息特征图像R；其中，R(x,y)为荧光信息特征图像中(x,y)处像素点的像素值，|BN(x,y)|为荧光图像对应的基层图像中(x,y)处像素点的像素值，|BV(x,y)|为可见光图像对应的基层图像中(x,y)处像素点的像素值；利用公式对所述荧光信息特征图像进行归一化操作，得到增强系数矩阵P；其中，P(x,y)为增强系数矩阵中(x,y)处的增强系数值；采用非线性函数利用公式WB＝G(r,σ)*Sλ(P)对所述增强系数矩阵进行调整，得到第一权重图WB；其中，G(r,σ)为高斯滤波器，Sλ为非线性函数，x为所述非线性函数的自变量，λ为增强系数。可选的，所述根据所述第一权重图对所述荧光图像对应的基层图像和所述可见光图像对应的基层图像进行融合，得到融合图像的基层图像，具体包括：利用公式BF＝BNWB+BV(1-WB)对所述荧光图像对应的基层图像和所述可见光图像对应的基层图像进行融合，得到融合图像的基层图像；其中，BN为荧光图像对应的基层图像，BV为可见光图像对应的基层图像，WB为第一权重图，BF为融合图像的基层图像。可选的，所述基于显著性检测构建增强荧光信息的第二权重图，具体包括：采用中值滤波器和均值滤波器，利用公式构建荧光图像和可见光图像的视觉显著性特征；其中，HN为荧光图像的视觉显著性特征，HV为可见光图像的视觉显著性特征，IN为所述荧光图像，IV为所述可见光图像，MF为中值滤波器，AF为均值滤波器；利用公式对所述荧光图像的视觉显著性特征和所述可见光图像的视觉显著性特征进行归一化操作，得到初始权重图；其中，WN为荧光图像的初始权重图，WV为可见光图像的初始权重图；根据增强系数矩阵和所述初始权重图，利用公式构建第二权重图；其中，为荧光图像的最终权重图，为可见光图像的最终权重图，K为荧光信息增强系数，P为增强系数矩阵。可选的，所述根据所述第二权重图对所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像进行融合，得到融合图像的细节层图像，具体包括：利用公式对所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像进行融合，得到融合图像的细节层图像DF；其中，DN为荧光图像对应的细节层图像，DV为可见光图像对应的细节层图像，为荧光图像的最终权重图，为可见光图像的最终权重图。本专利技术还提供一种图像融合系统，包括：源图像获取模块，用于获取源图像；所述源图像包括待融合的荧光图像和可见光图像；二尺度分解模块，用于采用高斯滤波方法对所述源图像进行二尺度分解，得到所述源图像的基层图像和细节层图像；所述源图像的基层图像包括所述荧光图像对应的基层图像和所述可见光图像对应的基层图像，所述源图像的细节层图像包括所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像；第一权重图构建模块，用于使用非线性函数构建突出荧光信息的第一权重图；基层图像融合模块，用于根据所述第一权重图对所述荧光图像对应的基层图像和所述可见光图像对应的基层图像进行融合，得到融合图像的基层图像；第二权重图构建模块，用于基于显著性检测构建增强荧光信息的第二权重图；所述第二权重图包括荧光图像的最终权重图和可见光图像的最终权重图；细节层图像融合模块，用于根据所述第二权重图对所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像进行融合，得到融合图像的细节层图像；重建模块，用于将所述融合图像的基层图像和所述融合图像的细节层图像重建，得到融合图像。可选的，所述二尺度分解模块具体包括：荧光图像二尺度分解单元，用于利用公式对所述荧光图像进行二尺度分解，得到所述荧光图像对应的基层图像和细节层图像；其中，IN为所述荧光图像，BN为荧光图像对应的基层图像，DN为荧光图像对应的细节层图像，G(r,σ)为高斯滤波器，r为滤波窗口的大小，σ为标准差；可见光图像二尺度分解单元，用于利用公式对所述可见光图像进行二尺度分解，得到所述可见光图像对应的基层图像和细节层图像；其中，IV为所述本文档来自技高网...

【技术保护点】
1.一种图像融合方法，其特征在于，包括：/n获取源图像；所述源图像包括待融合的荧光图像和可见光图像；/n采用高斯滤波方法对所述源图像进行二尺度分解，得到所述源图像的基层图像和细节层图像；所述源图像的基层图像包括所述荧光图像对应的基层图像和所述可见光图像对应的基层图像，所述源图像的细节层图像包括所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像；/n使用非线性函数构建突出荧光信息的第一权重图；/n根据所述第一权重图对所述荧光图像对应的基层图像和所述可见光图像对应的基层图像进行融合，得到融合图像的基层图像；/n基于显著性检测构建增强荧光信息的第二权重图；所述第二权重图包括荧光图像的最终权重图和可见光图像的最终权重图；/n根据所述第二权重图对所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像进行融合，得到融合图像的细节层图像；/n将所述融合图像的基层图像和所述融合图像的细节层图像重建，得到融合图像。/n

【技术特征摘要】
1.一种图像融合方法，其特征在于，包括：
获取源图像；所述源图像包括待融合的荧光图像和可见光图像；
采用高斯滤波方法对所述源图像进行二尺度分解，得到所述源图像的基层图像和细节层图像；所述源图像的基层图像包括所述荧光图像对应的基层图像和所述可见光图像对应的基层图像，所述源图像的细节层图像包括所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像；
使用非线性函数构建突出荧光信息的第一权重图；
根据所述第一权重图对所述荧光图像对应的基层图像和所述可见光图像对应的基层图像进行融合，得到融合图像的基层图像；
基于显著性检测构建增强荧光信息的第二权重图；所述第二权重图包括荧光图像的最终权重图和可见光图像的最终权重图；
根据所述第二权重图对所述荧光图像对应的细节层图像和所述可见光图像对应的细节层图像进行融合，得到融合图像的细节层图像；
将所述融合图像的基层图像和所述融合图像的细节层图像重建，得到融合图像。


2.根据权利要求1所述的图像融合方法，其特征在于，所述采用高斯滤波方法对所述源图像进行二尺度分解，得到所述源图像的基层图像和细节层图像，具体包括：
利用公式对所述荧光图像进行二尺度分解，得到所述荧光图像对应的基层图像和细节层图像；其中，IN为所述荧光图像，BN为荧光图像对应的基层图像，DN为荧光图像对应的细节层图像，G(r,σ)为高斯滤波器，r为滤波窗口的大小，σ为标准差；
利用公式对所述可见光图像进行二尺度分解，得到所述可见光图像对应的基层图像和细节层图像；其中，IV为所述可见光图像，BV为可见光图像对应的基层图像，DV为可见光图像对应的细节层图像。


3.根据权利要求1所述的图像融合方法，其特征在于，所述使用非线性函数构建突出荧光信息的第一权重图，具体包括：
利用公式识别荧光图像对应的基层图像中的目标特征信息，得到荧光信息特征图像R；其中，R(x,y)为荧光信息特征图像中(x,y)处像素点的像素值，|BN(x,y)|为荧光图像对应的基层图像中(x,y)处像素点的像素值，|BV(x,y)|为可见光图像对应的基层图像中(x,y)处像素点的像素值；
利用公式对所述荧光信息特征图像进行归一化操作，得到增强系数矩阵P；其中，P(x,y)为增强系数矩阵中(x,y)处的增强系数值；
采用非线性函数利用公式WB＝G(r,σ)*Sλ(P)对所述增强系数矩阵进行调整，得到第一权重图WB；其中，G(r,σ)为高斯滤波器，Sλ为非线性函数，x为所述非线性函数的自变量，λ为增强系数。


4.根据权利要求1所述的图像融合方法，其特征在于，所述根据所述第一权重图对所述荧光图像对应的基层图像和所述可见光图像对应的基层图像进行融合，得到融合图像的基层图像，具体包括：
利用公式BF＝BNWB+BV(1-WB)对所述荧光图像对应的基层图像和所述可见光图像对应的基层图像进行融合，得到融合图像的基层图像；其中，BN为荧光图像对应的基层图像，BV为可见光图像对应的基层图像，WB为第一权重图，BF为融合图像的基层图像。


5.根据权利要求3所述的图像融合方法，其特征在于，所述基于显著性检测构建增强荧光信息的第二权重图，具体包括：
采用中值滤波器和均值滤波器，利用公式构建荧光图像和可见光图像的视觉显著性特征；其中，HN为荧光图像的视觉显著性特征，HV为可见光图像的视觉显著性特征，IN为所述荧光图像，IV为所述可见光图像，MF为中值滤波器，AF为均值滤波器；
利用公式对所述荧光图像的视觉显著性特征和所述可见光图像的视觉显著性特征进行归一化操作，得到初始权重图；其中，WN为荧光图像的初始权重图，WV为可见光图像的初始权重图；
根据增强系数矩阵和所述初始权重图，利用公式构建第二权重图；其中，为荧光图像的最终权重图，为可见光图像的最终权重图，K为荧光信息增强系数，P为增强系数矩阵。


6.根据权利要求1所述的图像融合方法，其特征在于，所述根据所述第二权重图对所述荧光图像对应的细节层...

【专利技术属性】
技术研发人员：王慧泉，毛润，姜泊，牛萍娟，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12