一种基于拉普拉斯金字塔的可见光图像与红外图像融合方法技术

本发明专利技术提出的基于拉普拉斯金字塔的可见光图像与红外图像融合方法，首先对可见光图像和红外图像预处理、拉普拉斯锐化处理，得到相应的聚焦锐化图像，对得到的聚焦锐化图像分别求取信息熵，进行一次融合；然后进行拉普拉斯分解，将低频域图像进行交叉熵求取，确定低频域图像的加权融合系数，得到低频域的融合图像，之后求取像素值，将像素绝对值较大者作为对应融合层图像在对应点处的像素值，再进行拉普拉斯逆变换，得到重构融合图像；最后进行形态学梯度处理，再进行二次融合，得到最终的融合结果图像；本发明专利技术提出的可见光图像和红外图像的方法，融合结果包含更少的噪音并保留更多的结构信息以及源图像的边缘信息。

【技术实现步骤摘要】
一种基于拉普拉斯金字塔的可见光图像与红外图像融合方法
本专利技术涉及图像处理领域，特别是指一种基于拉普拉斯金字塔的可见光图像与红外图像融合方法。
技术介绍
红外和可见光图像融合是经常发生的需求-图像融合中的应用，这项工作的融合方法广泛在许多应用中使用。这些算法结合了显着特征将源图像合成为单个图像。融合图像该方法被用于多种计算机视觉任务中。几十年来，信号处理算法最多图像融合任务中的特征特征提取工具。融合基于两尺度分解和显着性检测的方法等被提出，基础层和细节层分别是由均值滤波器和中值滤波器提取，视觉上的显着特征用于获得权重图，然后重新融合图像通过结合这三个部分来构建。近年来，基于表示学习的融合方法已经引起了极大的关注，并展示了最新的融合性能,在稀疏表示域中，稀疏表示的医学图像融合新方法被提出，以及子字典是通过定向梯度直方图来学习的特征。然后通过l1-norm和max重新构造融合图像选择策略。另外，联合稀疏表示，共同稀疏表示，脉冲耦合神经网络(PCNN)剪切波变换和剪切波变换也被应用于图像融合，合并稀疏表示。在其他表示学习领域，等级表本文档来自技高网...

【技术保护点】
1.一种基于拉普拉斯金字塔的可见光图像与红外图像融合方法，其特征在于，包括以下步骤：/n步骤S1：对可见光图像和红外图像进行像素级配准和灰度化处理，得到可见光灰度图像与红外灰度图像；/n步骤S2：对可见光灰度图像与红外灰度图像分别进行拉普拉斯锐化处理，得到可见光聚焦锐化图像和红外聚焦锐化图像；/n步骤S3：对步骤S2中得到的可见光聚焦锐化图像、红外聚焦锐化图像分别求取信息熵，根据信息熵确定加权融合系数，得到一次融合图像；/n步骤S4，对步骤S2得到的两幅锐化图像及步骤S3得到的一次融合图像分别进行拉普拉斯分解，将图像分解成多层子图像；/n步骤S5，对两幅锐化图像分解得到的低频域图像分别与一次融...

【技术特征摘要】
1.一种基于拉普拉斯金字塔的可见光图像与红外图像融合方法，其特征在于，包括以下步骤：
步骤S1：对可见光图像和红外图像进行像素级配准和灰度化处理，得到可见光灰度图像与红外灰度图像；
步骤S2：对可见光灰度图像与红外灰度图像分别进行拉普拉斯锐化处理，得到可见光聚焦锐化图像和红外聚焦锐化图像；
步骤S3：对步骤S2中得到的可见光聚焦锐化图像、红外聚焦锐化图像分别求取信息熵，根据信息熵确定加权融合系数，得到一次融合图像；
步骤S4，对步骤S2得到的两幅锐化图像及步骤S3得到的一次融合图像分别进行拉普拉斯分解，将图像分解成多层子图像；
步骤S5，对两幅锐化图像分解得到的低频域图像分别与一次融合图像分解得到的低频域图像进行交叉熵求取，确定低频域图像的加权融合系数，得到低频域的融合图像；具体步骤为：
步骤S51，设源图像和融合图像的灰度分布分别为p1＝{p10,p11,...,p1i,...,p1L-1}和q1＝{q10,q11,...,q1i,...,q1L-1}，则交叉熵定义为:



式中，i代表图像的灰度值，p1i为源图像中灰度值等于i的像素数与图像总像素数之比，q1i为融合图像中灰度值等于i的像素数与图像总像素数之比，L代表所取的最大灰度级别；
由上式分别对两幅锐化图像分解得到的低频域图像与一次融合图像分解得到的低频域图像进行交叉熵求取；
步骤S52，设可见光聚焦锐化图像和红外聚焦锐化图像分解得到的低频域图像的融合系数分别设为α2、β2，则有



式中，CE'vis、CE'inf分别代表可见光、红外聚焦锐化图像分解得到的低频域图像与一次融合图像分解得到的低频域图像之间求取的交叉熵值；
步骤S53，对可见光聚焦锐化图像、红外聚焦锐化图像分解得到的低频域图像进行加权融合，得到低频域融合图像为：
lowfre＝F′vislow*α2+F′inflow*β2
式中，F′vislow、F′inflow分别代表可见光、红外聚焦锐化图像分解得到的低频域图像；
步骤S6，比较两幅锐化图像及一次融合图像分解所得其他层图像对应像素点的像素值，将像素绝对值较大者作为对应融合层图像在对应点处的像素值；
步骤S7，对步骤S5和步骤S6所组成的融合图像序列进行拉普拉斯逆变换，得到重构融合图像；
步骤S8，对步骤S2所得两幅锐化图像分别进行形态学梯度处理，将处理得到的两幅图像与步骤S7所得融合图像进行二次融合，得到最终的融合结果图像。


2.根据权利要求1所述的基于拉普拉斯金字塔的可见光图像与红外图像融合方法，其特征在于，步骤S2中对可见光聚焦灰度图像与红外聚焦灰度图像分别进行拉普拉斯锐化处理的步骤为：
将二元图像拉普拉斯算子变化表示叠加到原像素，即将原图像与经过拉普拉斯滤波后的图像做差值处理，其模板算子为：





3.根据权利要求1所述的基于拉普拉斯金字塔的可见光图像与红外图像融合方法，其特征在于，步骤3中获取一次融合图像的具体过程为：
步骤S31，求取可见光聚焦锐化图像、红外聚焦锐化图像的信息熵
信息熵E的计算方法为：



式中，i代表图像的灰度值，pi为灰度值等于i的像素数与图像总像素数之比，L代表所取的最大灰度级别；
根据上式对步骤S2中得到的可见光聚焦锐化图像、红外聚焦锐化图像分别求取信息熵数值；
步骤S32，确定一次融合图像的加权融合系数可见光聚焦锐化图...

【专利技术属性】
技术研发人员：仇飞，陈勐勐，
申请(专利权)人：南京晓庄学院，
类型：发明
国别省市：江苏;32