【技术实现步骤摘要】
一种基于非全局预增强的红外图像与可见光图像融合方法
[0001]本专利技术涉及图像处理
,尤其是涉及一种基于非全局预增强的红外图像与可见光图像融合方法。
技术介绍
[0002]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,然而另一方面,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。
[0003]在学术界,多年来研究人员基于不同的数学理论提出了各种融合算法。图像融合将多源传感器采集到的关于同一目标的源图像经过算法处理,最大程度提取人们感兴趣的信息,综合成一幅利用率高的增强图像。图像融合的目的是将来自红外光传感器和可见光传感器的两组源图像,通过融合算法分配不同的权重,得到一幅真实场景图像,最终的图像包含来自源图像中人类最感兴趣的信息,即可见光源图像提供人眼可以感知到的信息,红外源图像提供具有高热辐射的互补信息。红外光与可见光图像融合是应用最广泛的一个分支,主要被应用于军事监测、医学成像系统和无人驾驶领域等。其关键问题是如何最大限度地融合来自不同传感器的信息,使融合后的单一图像可以产生最真实场景的效果。因此,图像融合技术的关键是让融合后的图像最大程度反映源图像的互补信息。
[0004]为了实现这一目标,国内外的学者提出了许多图像融合方法,根据这些算法的理论,主要可以划分为非多尺度方法和多尺度方法。基于多尺度变换的方法主要考虑图像的层次分布, ...
【技术保护点】
【技术特征摘要】
1.一种基于非全局预增强的红外图像与可见光图像融合方法,其特征在于,包括下列步骤:1)基于FRFCM算法,对红外图像进行掩膜处理,获取红外图像的背景区域图像以及细节图像,并对可见光图像进行映射运算,获取可见光的目标区域;2)基于FPDE的二值化直方图对红外图像的背景区域进行增强处理;3)对可见光源图像和增强后的红外图像,分别根据人类对图像局部变换敏感的视觉特性,建立相应的FPDE能量泛函,将各图像分解为高频细节区域与低频背景区域;4)对低频的可见光图像和低频的红外图像获取低频分量的融合结果;5)对高频的可见光图像和高频的红外图像获取高频分量的融合结果;6)将获取的低频分量的融合结果与高频分量的融合结果进行重构,获取最终的融合图像。2.根据权利要求1所述的基于非全局预增强的红外图像与可见光图像融合方法,其特征在于,步骤1)的具体内容为:基于FRFCM算法,采用无监督学习方式将红外图像分割为背景区域、过渡区域和细节部分三个基本区域,将背景区域的掩膜图像与红外源图像在像素级相乘,得到红外图像背景区域的提取图像,利用红外源图像与背景区域进行减法运算,获取目标区域的提取图像;利用原始红外的目标区域对可见光图像映射,将红外图像的背景区域的掩膜图像与可见光图像在像素级相乘,获取可见光图像背景区域的提取图像,将其与可见光源图像相减获取目标区域的提取图像。3.根据权利要求1所述的基于非全局预增强的红外图像与可见光图像融合方法,其特征在于,基于FPDE的二值化直方图对红外图像的背景区域进行增强处理的具体内容为:采用FPDE作为引导分解算法,将原始红外图像分为基础层图像和细节层图像:IR
b
=FPDE(IR
original
)IR
d
=IR
original
‑
IR
b
式中,FPDE为对源图像做低通滤波的函数,IR
original
为原始红外图像,IR
b
为基础层图像,IR
d
为细节层图像;按照下式对基础层图像IR
b
根据门限进行直方图二值化处理:G=(S
max
‑
S
min
)*β+S
min
式中,G为二值化直方图门限,S
max
和S
min
分别为基础层图像的直方图中的最大值与最小值,β为范围为0到1的参数,决定图像中无效像素值的比例。4.根据权利要求1所述的基于非全局预增强的红外图像与可见光图像融合方法,其特征在于,步骤4)的具体内容为:首先建立图像融合模型:S
N
(X,j)=α(X,j)S
N
(F,j)+β(X,j)+ε(X,j)式中,X=A或B表示红外传感器标记或可见光传感器标记;j=(x,y)表示原图像X的像素点位置;S
N
(F,j)为融合后的低频图像在j处的像素值;α(X,j)=
±
1或0为传感器的分布系数,表示各个传感器的参与积极程度;ε(X,j)表示随机噪声,服从K项混合高斯分布的概率密度函数:
式中,λ
k,X
(j)为K项高斯分布的权值,用以表征分布特征倾向于某种高斯分布的程度,(j)为K...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。