基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法技术

本发明专利技术公开了基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，主要解决红外和可见光图像融合时细节丢失和对比度不高的问题。其实现步骤是：1)对待融合图像进行NSST变换，得到低频和高频子带；2)低频子带采用区域能量差异度的加权融合规则；3)高频子带设计了上下文隶属度，并建立MCHMM，根据多状态统计特征设计融合规则；4)融合后的高、低频系数执行NSST逆变换获得融合图像。本发明专利技术充分考虑了系数之间的相关性，精确地表示源图像的纹理、细节等特征，充分提取红外图像的目标信息，增强图像的对比度，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。

【技术实现步骤摘要】
基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法
本专利技术涉及一种基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，是红外和可见光图像处理
的一项融合方法。
技术介绍
图像融合是对源图像的信息进行综合处理并加以整合,最终得到一幅更精确、更丰富和全面的融合图像。红外与可见光图像融合是图像融合领域中一个重要的研究方向。可见光图像可以反映真实环境情况，具有较好的颜色等信息，但受云雨、雾等气象条件影响很大。红外图像反映的是景物温度差或辐射差，细节表现不明显，对比度低，其可视性不是很理想。根据图像各自独有的特性进行优势互补，得到一副既保持可见光图像精细的视觉信息，又包含红外图像中目标信息的融合图像。在安全监控、雾天驾驶、资源检测和军事作战等领域有着极为广泛的应用价值。目前，多尺度分解MSD(Multi-scaleDecomposition)是进行图像融合的重要手段。MSD工具的选择和融合规则的设计是多尺度几何分析融合方法的关键因素。各种MSD工具已经被广泛应用，例如离散小波变换，曲波变换，轮廓波变换等等。然而，上述本文档来自技高网...

【技术保护点】
1.基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，其特征在于，对低频子带采用基于区域能量差异度的融合方法，对高频子带系数设计上下文细节隶属度，并构建多状态上下文隐马尔科夫模型，然后提取多状态统计特征用于度量图像细节性，最后采用基于多状态统计特征的融合规则得到高频融合子带。/n

【技术特征摘要】
1.基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，其特征在于，对低频子带采用基于区域能量差异度的融合方法，对高频子带系数设计上下文细节隶属度，并构建多状态上下文隐马尔科夫模型，然后提取多状态统计特征用于度量图像细节性，最后采用基于多状态统计特征的融合规则得到高频融合子带。


2.根据权利要求1所述的基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，其特征在于，包括以下具体步骤：
1)对表征图像近似信息的低频子带，采用基于区域能量差异度的加权融合策略进行融合；
2)对表征图像细节特征的高频子带，通过综合多状态统计特征用于度量图像的细节性，采用基于多状态统计特征的融合规则进行融合；
2.1)根据上下文相关性定义系数的上下文细节隶属度；
2.2)在高频方向子带构建多状态上下文隐马尔科夫模型MCHMM，利用期望最大化EM算法分初始化和迭代训练两步来估计模型参数；
2.3)基于每个系数在各状态下的概率和方差计算系数的细节性，结合上下文隶属度得到系数的活动测度，通过取大的融合规则得到高频融合子带。


3.根据权利要求2所述的基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，其特征在于，所述步骤1)包括如下步骤：
1)计算低频系数在W1×W2邻域内的区域能量：



其中，I代表红外图像A或可见光图像B，表示图像在(x，y)位置处的低频子带系数，W1×W2表示窗口邻域；
2)对低频子带的区域能量进行归一化处理：
VLEI(x，y)＝(LEI(x，y)-min(LEI))/(max(LEI)-min(LEI))，I＝A，B
其中，max(·)表示取最大值，min(·)表示取最小值；
3)根据低频子带区域能量的差异度确定权重w(x，y)，得到融合后的低频子带系数具体公式如下：
w(x，y)＝0.5+(VLEA(x，y)-VLEB(x，y))/2，





4.根据权利要求2所述的基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，其特征在于，所述步骤2.1)包括如下步骤：
首先，根据系数的相关性构建上下文子带，用NAt、NBt分别表示当前系数的4个直接邻居和4个对角邻居，t＝1，2，3，4，PX表示父系数，CX1、CX2表示两个相邻的表兄弟系数，那么一个系数的上下文定义如下：



其中，ω0，ω1，ω2，ω3表示权重系数；
然后，计算系数的上下文细节隶属度值：






其中，σ表示当前子带的上下文context的标准差，E，EP，分别表示当前子带、父子带和两个相邻兄弟子带的平均能量，定义如下：



其中，E*代表4个平均能量中的一个，N表示当前子带的系数总个数，C2表示当前子带系数的平方。


5.根据权利要求2所述的基于多状态上下文隐马尔科夫模型的红外和可见光图像融合方法，其特征在于，所述步骤2.2)包括如下步骤：
首先，利用多状态、零均值的高斯混合模型GMM来刻画高频方向子带系数的非高斯分布特性，每个系数都与一个上下文细节隶属度和一个隐状态相关联，接着进行MCHMM统计建模，






其中，n是大于2的正整数，表示MCHMM的状态数，隐状态m的取值是从0到n-1的自然数，Cj，k，x，y表示在j尺度k方向(x，y)位置的高频子带系数，Vj，k，x，y为系数的上下文细节隶属度，...

【专利技术属性】
技术研发人员：罗晓清，蒋钰婷，张战成，席新星，王正桓，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32