一种基于灰度共生矩阵的红外与可见光图像融合方法技术

本发明专利技术公开了一种基于灰度共生矩阵的红外与可见光图像融合方法。首先，对红外源图像进行灰度共生矩阵分析，得到红外目标显著图。其次，对可见光和红外源图像进行非下采样轮廓波变换(NSCT)，对分解得到的低频子带图像进行保持对比度的融合，对高频子带图像采用改进的高斯差分方法进行融合；再将目标显著图映射至融合后的低频子带图像上。最后，进行NSCT逆变换得到最终的融合图像。本发明专利技术利用灰度共生矩阵的纹理分析特性进行红外目标显著性检测，能够有效地提取红外目标并保留丰富的细节信息，改善融合后图像的质量。本发明专利技术提出的方法的客观评价指标优于小波变换、金字塔变换等现有经典图像融合方法，具有很强的鲁棒性。

【技术实现步骤摘要】
一种基于灰度共生矩阵的红外与可见光图像融合方法
本专利技术属于多源图像融合
，具体涉及一种基于灰度共生矩阵的红外与可见光图像融合方法。
技术介绍
红外与可见光图像融合技术是图像融合研究中的重要部分。红外图像是由目标与背景所发出的红外辐射经传感器处理后的辐射图像，它可以探测到隐藏或伪装的目标。可见光图像记录了物体的可见光反射的特性，包括大量的细节、纹理信息，它符合人眼视觉的特点。红外与可见光图像融合的目的是获得一幅完整的既包含丰富的细节信息又能准确反映红外目标的图像。因此这项技术被广泛用于夜间成像设备来提高人或机器的夜间活动能力，此外，由于融合后的红外与可见光图像具有准确、清晰、完整的特点，又被应用于军事侦察、生物识别、医学成像和遥感等领域。随着计算机与图像处理技术的不断发展，目前使用最多的融合方法仍是像素级融合，这种方法分为两大类：空间域融合与变换域融合，前者具有代表性的算法是主成分分析方法，后者具有代表性的算法包括：金字塔变换、小波变换和各种多尺度分解算法，例如基于非下采样轮廓波变换(NSCT)的方法。此外，还包括压缩传本文档来自技高网...

【技术保护点】
1.一种基于灰度共生矩阵的红外与可见光图像融合方法，其特征在于包括以下步骤：/n步骤S1：对红外图像I

【技术特征摘要】
1.一种基于灰度共生矩阵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S1：对红外图像I2进行灰度共生矩阵分析，提取红外目标，得到目标显著图；
步骤S2：对可见光图像I1和红外图像I2进行NSCT分解，分别得到一个低频子带图像和一系列高频子带图像；
步骤S3：对所有低频子带图像进行保持对比度信息的融合，得到融合后的低频图像，采用改进高斯差分方法对所有高频子带进行融合，得到融合后的高频子带图像；
步骤S4：将目标显著图映射至融合后的低频子带图像上；
步骤S5：对融合后的低频子带和高频子带进行NSCT逆变换，得到融合后的图像。


2.如权利要求1所述的基于灰度共生矩阵的红外与可见光图像融合方法，其特征在于：所述步骤S1中提取红外图像目标的方法如下：
(1)进行初步目标提取，将源红外图像的像素值与其灰度均值之差的绝对值作为初步目标提取图像SalPre；
(2)计算SalPre的灰度共生矩阵coMat，该矩阵是一个对称矩阵；若a、b均为SalPre图像的灰度值，则(a，b)为一个灰度值对；灰度共生矩阵中的一个元素值为每一个像素值a，在其大小为w的邻域范围内b像素值的个数，在本发明中取w＝3；
(3)对灰度共生矩阵coMat进行处理，得到修正灰度共生矩阵；具体包括以下步骤：首先，将灰度共生矩阵coMat进行归一化；再采用对数函数进行处理，得到Lp(a，b)；最后，将矩阵中大于平均值的元素减去平均值，小于或者等于平均值的元素取零，进而得到修正灰度共生矩阵Sal(a，b)；
(4)按如下公式将修正灰度共生矩阵映射至初步目标提取图像中：






式中，U(a，b)是(a，b)像素对在w×w邻域内的平均值，SalMap(a，b)是与源图像大小相同的显著性检测...

【专利技术属性】
技术研发人员：谭惜姿，郭立强，
申请(专利权)人：淮阴师范学院，
类型：发明
国别省市：江苏;32