图像融合方法、系统、计算机可读介质以及计算机系统技术方案

本发明专利技术公开了一种图像融合方法、系统、计算机可读介质以及计算机系统，根据可见光图像生成可见光图像反射层；并对红外图像进行处理，最后采用伽马校正的融合方法将可见光图像反射层与红外图像处理猴的红外图像进行融合。本发明专利技术使用基于高斯场的反射层和亮度层分解目标函数以及基于粗糙模糊的亮度层，可同时保留可见光图像中亮区域和暗区域丰富的细节纹理，有效减少暗区域细节丢失和亮区域细节过曝的情况。利用伽马校正策略对红外图像与可见光反射层进行融合，使融合图像在保留可见光图像中丰富细节纹理的同时，获得红外图像中目标与背景之间高对比度。背景之间高对比度。背景之间高对比度。

【技术实现步骤摘要】
图像融合方法、系统、计算机可读介质以及计算机系统


[0001]本专利技术属于图像处理
，具体涉及一种图像融合方法、系统、计算机可读介质以及计算机系统。

技术介绍

[0002]热红外图像可以反映场景中的热辐射信息，所以目标与背景之间对比度高，差异显著，但缺乏细节；可见光图像包含场景中清晰的细节，但易受环境变化的影响。因此，热红外图像与可见光成像特征具有良好的互补性。而热红外图像与可见光图像融合技术可以充分利用该特性，提高图像中目标探测和环境感知能力。
[0003]为了提高图像融合质量，研究人员提出了许多方法。Meng等人利用非下采样轮廓波变换与显著性检测实现了突出红外目标区域的图像融合(F.Meng,M.Song,B.Guo,R.Shi,and D.Shan,“Image fusion basedon object region detection and non-subsampled contourlet transform,”Comput.Electr.Eng.,vol.62,pp.375-383,Sep.2016)。Liu等人利用稀疏表达将源图像分解为基层与细节层，对于不同层采取不同的融合策略(Y.Liu,X.Chen,R.K.Ward,and Z.Jane Wang,“Image fusion withconvolutional sparse representation,”IEEE Signal Process.Lett.,vol.23,no.12,pp.1882-1886,Dec.2016)。Ma等人提出了一种基于梯度变换和全变分最小化的融合方法，可以同时保留红外图像的灰度分布和可见光图像的梯度变化(J.Ma,C.Chen,C.Li,and J.Huang,“Infrared and visible image fusionvia gradient transfer and total variation minimization,”Inf.Fusion,vol.31,pp.100-109,Sep.2016)。Fu等人利用鲁棒主成分分析和非下采样轮廓波变换获得可见光与红外图像的稀疏矩阵，以此提取图像特征进行融合(Z.Fu,X.Wang,J.Xu,N.Zhou,and Y.Zhao,“Infrared and visibleimages fusion based on RPCA and NSCT,”Infr.Phys.Technol.,vol.77,pp.114-123,Jul.2016)。
[0004]目前大部分热红外图像与可见光图像融合方法思路是将从源图像中提取的细节信息进行融合，以保证融合图像中包含丰富的纹理。但是，人们更关心红外图像中显著的目标而非本来就不够清晰的细节信息。因此，对于图像融合来说，红外图像中目标与背景之间的高对比度更具价值。如果在融合中只考虑图像纹理，则红外图像所反映的高对比度热辐射信息就有可能会丢失。同时，由于可见光图像的质量易受环境照度的影响。在图像的明亮区域中，由于光照充足，物体细节可以很好地被保留在融合图像中，但是暗区域中的细节纹理常常具备对比度低、边缘模糊和噪声高等缺点。这些都会导致融合图像中目标和细节的清晰度变低，使融合质量变差。
[0005]传统Retinex模型对数形式为其中是对数反射层，是对数原图像，是对数亮度层。由于原图像中暗区域的灰度值和对比度原本就很低，而亮度层常常是由原图像的高斯模糊所生成的，因此亮度层中暗区域也同样是低灰度和低对比度的状态，导致原图像和亮度层之间在暗区域的差异就很小。而原图像亮区域由于光照充足，纹理之间的对比度高，经高斯模糊之后会使亮度层与原图像产生较为显著的差异。因此传统Retinex
模型更倾向于提取出亮区域的细节，对于暗区域的细节不敏感。

技术实现思路

[0006]本专利技术针对现有技术中存在的问题，提出了一种有效减少暗区域细节丢失和亮区域细节过曝的图像融合方法。
[0007]为实现上述目的，本专利技术提供一种图像融合方法，包括以下步骤：
[0008]计算可见光图像中每个像素值的对数，得到可见光对数图像；
[0009]根据可见光对数图像生成可见光图像的亮度层；
[0010]根据反射系数向量和可见光图像的亮度层设定反射模型，采用拟牛顿法对反射层和亮度层分解目标函数进行优化，得到最优反射系数向量；将最优反射系数向量输入设定的反射模型得到最优反射模型；
[0011]利用得到的最优反射模型获得可见光图像反射层；以及
[0012]采用伽马校正的融合方法将可见光图像反射层与红外图像进行融合。
[0013]进一步，所述可见光图像的亮度层的生成方法为：先对可见光图像进行高斯模糊；在经高斯模糊的可见光图像中，将横坐标和纵坐标都为奇数的像素点的值设置为0；或者在经高斯模糊的可见光图像中，将横坐标和纵坐标都为偶数的像素点的值设置为0。
[0014]采用上述方式的亮度层生成，可以对可见光图像中亮暗区域进行软阈值分割，并使用不同的成像模型进行细节提取。由此得到的可见光反射层可以同时保留图像中亮区域和暗区域丰富的细节纹理，有效减少暗区域细节丢失和亮区域细节过曝的情况。
[0015]其中，所述反射层和亮度层分解目标函数为：
[0016][0017]其中，C
N
表示反射系数向量，表示可见光对数图像中第j个像素的值，j表示可见光图像中像素的标号，M表示可见光图像中像素的总数，σ为范围系数，表示可见光图像的亮度层中第i个像素的值，i表示可见光图像的亮度层中像素的标号。
[0018]本专利技术还提供了一种图像融合系统，包括可见光图像处理模块、红外图像处理模块和融合模块；
[0019]可见光图像处理模块用于根据可见光图像生成可见光图像反射层；
[0020]红外图像处理模块用于对红外图像进行处理；
[0021]融合模块采用伽马校正的融合方法将可见光图像反射层与红外图像进行融合；
[0022]其中，可见光图像处理模块根据接收到的可见光图像计算可见光图像中每个像素值的对数，得到可见光对数图像；再根据可见光对数图像生成可见光图像的亮度层；然后，根据反射系数向量和可见光图像的亮度层设定反射模型，采用拟牛顿法对反射层和亮度层分解目标函数进行优化，得到最优反射系数向量；将最优反射系数向量输入设定的反射模型得到最优反射模型；最后利用得到的最优反射模型获得可见光图像反射层。
[0023]本专利技术还提供了一种存储软件的计算机可读介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括如前述图像融合方法的流程。
[0024]本专利技术还提供了一种计算机系统，包括：一个或多个处理器；存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括如前述图像融合方法的流程。
[0025]由以上本专利技术的技术方案，在实现过程中基于反射本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像融合方法，其特征在于，包括以下步骤：计算可见光图像中每个像素值的对数，得到可见光对数图像；根据可见光对数图像生成可见光图像的亮度层；根据反射系数向量和可见光图像的亮度层设定反射模型，采用拟牛顿法对反射层和亮度层分解目标函数进行优化，得到最优反射系数向量；将最优反射系数向量输入设定的反射模型得到最优反射模型；利用得到的最优反射模型获得可见光图像反射层；以及采用伽马校正的融合方法将可见光图像反射层与红外图像进行融合。2.根据权利要求1所述的图像融合方法，其特征在于：所述可见光图像的亮度层的生成方法为：先对可见光图像进行高斯模糊；在经高斯模糊的可见光图像中，将横坐标和纵坐标都为奇数的像素点的值设置为0。3.根据权利要求1所述的图像融合方法，其特征在于：所述可见光图像的亮度层的生成方法为：先对可见光图像进行高斯模糊；在经高斯模糊的可见光图像中，将横坐标和纵坐标都为偶数的像素点的值设置为0。4.根据权利要求1所述的图像融合方法，其特征在于：所述反射层和亮度层分解目标函数为：其中，C
N
表示反射系数向量，表示可见光对数图像中第j个像素的值，j表示可见光图像中像素的标号，M表示可见光图像中像素的总数，σ为范围系数，表示可见光图像的亮度层中第i个像素的值，i表示可见光图像的亮度层中像素的标号。5.一种图像融合系统，其特征在于：包括可见光图像处理模块、红外图像处理模块和融合模块；可见光图像处理模块用于根据可见光图像生成可见光图像反射层；红外图像处理模块用于对红外图像进行处理；融合模块采用伽马校正的融合方法将可见光图像处理模块生成的可见光图像反射层与红外图像处理模块处理后的红外图像进行融合；其中，可见光图像处理模块根据接收到的可见光图像计算...

【专利技术属性】
技术研发人员：杨锋，顾燕，吕扬，赵维骏，朱波，郭一亮，焦国力，董隽媛，谷长建，周新，
申请(专利权)人：北方夜视技术股份有限公司，
类型：发明
国别省市：