一种红外和可见光图像融合方法技术

本发明专利技术提出了一种红外和可见光图像融合方法，基于变分法与局部梯度相似性，能够生成保留更多像素梯度和强度信息的融合图像。以已配准的红外和可见光图像为背景，以获取信息更为丰富的融合图像为目标，研究图像融合问题。首先采用结构张量计算得到源图像的融合梯度，利用局部梯度相似性使融合梯度方向更加精确；其次，根据像素强度的比较，将源图像重构为显著图和非显著图，并计算用于甄别和保留非显著图有效细节的权重图；再者，基于源图像的梯度特征和像素强度信息，建立图像融合模型；最后，采用变分法求解优化模型以得到融合图像。本发明专利技术所提出的方法在许多应用领域具有潜在的价值，如目标检测、跟踪等计算机视觉方面。

【技术实现步骤摘要】
一种红外和可见光图像融合方法
本专利技术属于信息处理方面图像融合
，涉及一种红外和可见光图像融合方法。
技术介绍
由于人类视觉的局限性，不同的传感器可以用来获取不同情况下人类视觉无法获取的信息。图像融合技术能够协同利用同一场景的多种传感器图像信息，并生成融合图像，以获得更准确、可靠和全面的场景描述，也便于人类视觉感知或计算机进一步处理和分析。红外和可见光传感器获取的图像在内容上具有互补性，具体体现在红外图像传感器是热成像工作原理，受黑暗或恶劣天气影响较小，但是成像一般较暗且无彩色信息。而可见光图像光谱信息丰富，能够保留更多的细节和纹理信息，但是需要有照明良好的工作环境。二者的融合可以有效提高图像对场景细节与热目标的描述能力，获得更加详细准确的信息，在军事作战、目标检测、跟踪等领域都具有广泛的使用价值。目前，红外与可见光图像融合的主要方法有：基于多尺度变换的方法，基于稀疏表示的方法等，大部分算法都是基于空域和频域。还有一个重要分支即利用梯度域信息，在梯度域，重要图像特征被提取成梯度信息能较容易传递到融合图像中，一些优化方法也本文档来自技高网...

【技术保护点】
1.一种红外和可见光图像融合方法，其特征在于，包括以下步骤：/n步骤1、将红外和可见光源图像的权重设定为1，获得红外和可见光源图像在x位置处的初始融合梯度的结构张量：/n

【技术特征摘要】
1.一种红外和可见光图像融合方法，其特征在于，包括以下步骤：
步骤1、将红外和可见光源图像的权重设定为1，获得红外和可见光源图像在x位置处的初始融合梯度的结构张量：



其中，x用(x1，x2)表示，x1表示水平方向坐标，x2表示竖直方向坐标；In表示图像的像素强度分布矩阵，n＝1，2，分别表示对红外和可见光源两个模态源图像的标号；
G(x)为半正定矩阵，G(x)＝U(x)Λ(x)U(x)T；其中Λ(x)为具有两个非负特征值的对角矩阵，其维数为2×2；U(x)为由Λ(x)的特征值相对应的特征向量构成的正交矩阵，其维数为2×2；
将Λ(x)特征值中最大的记为λ1(x)，根据公式G(x)＝λ1(x)θ1(x)θ1(x)T，计算得到λ1(x)对应的特征向量θ1(x)；
获得初始融合梯度为：
步骤2，分别计算初始融合梯度VF(x)的局部梯度相似性矩阵P0(x)与红外源图像梯度的局部梯度相似性矩阵P1(x)，以及可见光源图像梯度的局部梯度相似性矩阵P2(x)的差值，则x位置处的差值Sn(x)为：
Sn(x)＝||Pn(x)-P0(x)||1
其中，||·||1表示向量的1范数；
获得模态隶属标号C(x)：
计算在x位置处的最终融合梯度VF1(x)：



其中，其中，sign表示为符号函数，<·>表示计算向量内积，表示标号为C(x)模态的源图像在x位置处的梯度；
步骤3、在空域比较红外源图与可见光源图的像素强度，得到红外源图中像素强度大于可见光源图像素强度的区域D；
将红外和可见光两种模态的源图像重构成显著图M和非显著图U两幅图像，具体如下：
M＝D×I1+(1-D)×I2
U＝(1-D)×I2+D×I1
步骤4，获得非显著图对应的权重矩阵Wd：



其中，为红外模态非显著图部分对应的权重矩阵，为可见光模态非显著图部分对应的权重矩阵；计算公式为：
其中，为非显著图像有效细节判断矩阵，为具体权值计算矩阵；具体地，对于红外和可见光两种模...

【专利技术属性】
技术研发人员：闫莉萍，白景岚，夏元清，张金会，翟弟华，邹伟东，刘坤，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11