一种近红外与可见光图像融合方法及系统技术方案

本发明专利技术公开了一种近红外与可见光图像融合方法及系统，通过获取近红外图像和可见光图像，构建正则化项，所述正则化项包括数据保真项、多阶超拉普拉斯先验项以及噪声映射项，基于正则化项，构建用于近红外图像与可见光图像融合的融合模型以及对融合模型进行最优值求解，获得最优融合图像，解决了现有的近红外与可见光图像融合方法存在细节丢失与结构不一致的技术问题，实现了雾天/低光场景下图像细节的精细提取，不仅能在低光/雾霾场景下揭示受到重雾霾/噪声退化区域处的细节，而且能有效避免融合图像中的颜色失真。效避免融合图像中的颜色失真。效避免融合图像中的颜色失真。

【技术实现步骤摘要】
一种近红外与可见光图像融合方法及系统


[0001]本专利技术主要涉及图像处理
，特指一种近红外与可见光图像融合方法及系统。

技术介绍

[0002]近红外与可见光图像融合是一项重要的图像增强技术，目的是在极端环境下融合近红外与可见光波段下的图像生成纹理丰富的高质量融合图像。近红外和可见光图像在颜色和能见度方面有不同的特征。可见光波段传感器捕获的图像，对波长在(400
‑
700nm)范围内的辐射具有最高的灵敏度，但是可见光波段图像在雾、霾或低光等特殊条件下的能见度和场景对比度较低。相反，近红外(NIR)波段(650
‑
1650nm)的辐射可以捕获具有较强能见度和对比度的图像，其中包含在可见光图像中可能被遗漏的场景的互补细节。
[0003]近红外与可见光图像的融合方法主要分为三类：盲法方法、基于变分的方法与基于数据驱动的方法。盲法方法执行时间快，但它产生的融合图像容易产生视觉伪影与细节损失。基于变分的方法可以产生令人满意的融合效果，然而它的性能主要依靠于先验知识的选择。基于数据驱动的方法需要具有基本真本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种近红外与可见光图像融合方法，其特征在于，所述方法包括：获取近红外图像和可见光图像；构建正则化项，所述正则化项包括数据保真项、多阶超拉普拉斯先验项以及噪声映射项；基于正则化项，构建用于近红外图像与可见光图像融合的融合模型；对融合模型进行最优值求解，获得最优融合图像。2.根据权利要求1所述的近红外与可见光图像融合方法，其特征在于，所述正则化项中的多阶超拉普拉斯先验项的具体公式为：其中，f
MHLP
表示多阶超拉普拉斯先验项，X为待求解的最优融合图像，P为近红外图像，和分别表示对X求X方向和Y方向上的一阶梯度，和分别表示对P求X方向和Y方向上的一阶梯度，ΔX和ΔP分别表示对X和P求二阶梯度，α1，α2和γ为惩罚参数，||
·
||
1/2
表示求l
1/2
范数。3.根据权利要求2所述的近红外与可见光图像融合方法，其特征在于，所述噪声映射项的具体公式为：其中，f
TV
表示噪声映射项，N表示估计的噪声映射图，β1，β2，β3和δ为正则化参数，以及分别表示待求解的最优融合图像X在X方向、Y方向和Z方向的一阶梯度，||
·
||1表示求l1范数，||
·
||
F
表示求l
F
范数。4.根据权利要求3所述的近红外与可见光图像融合方法，其特征在于，所述融合模型的具体公式为：其中，Y为在恶劣环境下采集到的退化图像。5.根据权利要求4所述的近红外与可见光图像融合方法，其特征在于，对融合模型进行最优值求解，获得最优融合图像：通过拉格朗日乘子优化方法将融合模型最优值求解的优化问题变为拉格朗日扩展函数；使用交替最小迭代框架将拉格朗日扩展函数分解为五个子问题，分别为W
i
，M，N，H
j
和X的子问题，具体为：
其中，M＝ΔX
‑
ΔP，A1为W1在X方向的拉格朗日乘法器乘子，A2为W2在Y方向的拉格朗日乘法器乘子，B为M的拉格朗日乘法器乘子，C1为H1在X方向的拉格朗日乘法器乘子，C2为H2在Y方向的拉格朗日乘法器乘子，C3为H3在...

【专利技术属性】
技术研发人员：潘冬，杨波，蒋朝辉，桂卫华，余浩洋，
申请(专利权)人：中南大学，
类型：发明
国别省市：