一种基于特征转移的红外与可见光图像融合方法技术

本发明专利技术涉及一种基于特征转移的红外与可见光图像融合方法，包括步骤：1)基于模糊区域规则和FPDE，对原始红外图像特征和可见光图像特征进行特征提升处理；2)根据提升后的特征层图建立特征转移模型，基于特征转移融合法对目标特征进行特征转移融合。与现有技术相比，本发明专利技术使融合图像中热辐射目标更加均匀、光亮，背景细节更加清晰，具有更高的总体对比度和信噪比，融合后可获得更为自然的融合图像。

【技术实现步骤摘要】
一种基于特征转移的红外与可见光图像融合方法
本专利技术涉及图像处理
，尤其是涉及一种基于特征转移的红外与可见光图像融合方法。
技术介绍
可见光相机通常能够感应波长在380nm～780nm之间的可见光波段，因而可见光图像具有较高的对比度、空间分辨率和丰富的细节信息，也更加符合人眼成像系统的感知，但是，另一方面，可见光成像十分依赖良好的成像环境，光照差、烟雾和其他一些障碍均能轻易地对可见光成像造成显著的影响。对此有学者注意到，波长范围在0.75μm～1000μm之间的红外传感器既不受天气影响，可全天候工作，又具有较强的抗扰能力，而其成像模糊和较低的空间分辨率的缺点则恰恰可以通过可见光成像进行补足，因此将红外图像与可见光图像进行融合所得到的融合图像实现了二者的优势互补，从而获得了可见光图像的边缘纹理等清晰的细节信息，以及红外图像中表示热力场的局部均匀、稳定的像素信息，更加有利于增强人类视觉感知和图像的后续处理。利用红外与可见光图像融合技术，即使在微光条件下，人们也可以通过两种传感器得到显著的热源目标和丰富的背景细节信息，这种优异的性能广本文档来自技高网...

【技术保护点】
1.一种基于特征转移的红外与可见光图像融合方法，其特征在于，包括下列步骤：/n1)基于模糊区域规则和FPDE，对原始红外图像特征和可见光图像特征进行特征提升处理；/n2)根据提升后的特征层图建立特征转移模型，基于特征转移融合法对目标特征进行特征转移融合。/n

【技术特征摘要】
1.一种基于特征转移的红外与可见光图像融合方法，其特征在于，包括下列步骤：
1)基于模糊区域规则和FPDE，对原始红外图像特征和可见光图像特征进行特征提升处理；
2)根据提升后的特征层图建立特征转移模型，基于特征转移融合法对目标特征进行特征转移融合。


2.根据权利要求1所述的基于特征转移的红外与可见光图像融合方法，其特征在于，步骤1)的具体内容为：
11)基于模糊区域规则，分别将原始红外图像、可见光图像分割为若干基本区域；
12)将所有基本区域按区域属性分为目标区域、过渡区域和背景区域；
13)建立隶属度函数，将三种不同属性的区域进行模糊化，确定基本区域的属性隶属值；
14)将三种不同属性的区域通过FPDE进行分解，获得源图像的基础层；
15)从源图像中减去FPDE求解的基础层，获取保留更多边缘和纹理细节的细节层；
16)以原始红外图像、可见光图像的区域像素索引为基准，对两幅源图像经过模糊空间下的模糊区域规则和尺度空间下的FPDE分别进行区域划分和层图分解的交叉操作，获取目标区域、背景区域和过渡区域的基础层图和细节层图；
17)筛选各区域层图中的主要特征信息、次要特征信息，并去除冗余特征信息，进而保留用以进行转移融合的特征信息。


3.根据权利要求2所述的基于特征转移的红外与可见光图像融合方法，其特征在于，采用K均值聚类法分别将原始红外图像、可见光图像分割为若干基本区域。


4.根据权利要求3所述的基于特征转移的红外与可见光图像融合方法，其特征在于，步骤13)的具体内容为：
假设采用K均值聚类法将红外图像分割为三个基本区域R1、R2、R3，对论域U{R1,R2,R3}进行模糊映射：γi,j(·):U→[0,1]，γi,j为隶属度函数，其表达式为：



式中：λO＝Lmin，λT＝(Lmax-Lmin)/2，λB＝Lmax分别代表三种区域属性：目标区域、过渡区域和背景区域；βmin、αmax和θi分别为基本区域Ri中的像素强度最小值、最大值和均值，γi,j为区域Ri对区域属性ji＝λi(i＝1,2,3)的隶属值。


5.根据权利要求2所述的基于特征转移的红外与可见光图像融合方法，...

【专利技术属性】
技术研发人员：刘刚，代立杨，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：上海;31