一种像素级红外与微光图像融合方法、存储介质及装置制造方法及图纸

本发明专利技术涉及一种像素级红外与微光图像融合方法、存储介质及装置，属于图像处理技术领域。步骤为：分别使用红外成像系统和微光成像系统对同一目标场景进行清晰成像；分别对红外原始图像和微光原始图像进行图像分离，得到两种图像的背景层图像信息和细节层图像信息；计算红外图像重点观察目标的突识强度参数；根据输入的红外图像和微光图像融合比例，使用红外图像和微光图像的背景层信息，计算最终图像的背景层信息；使用红外图像细节层信息、微光图像细节层信息和微光亮度系数，计算最终图像细节层信息；最终将背景层图像信息和细节层信息相叠加，得最终的到红外与微光融合图像。本方法的最终图像既能够凸显目标细节，也能表现目标周围的背景信息。标周围的背景信息。标周围的背景信息。

【技术实现步骤摘要】
一种像素级红外与微光图像融合方法、存储介质及装置


[0001]本专利技术属于图像处理
，具体涉及一种像素级红外与微光图像融合方法、存储介质及装置。

技术介绍

[0002]在普通的红外与微光图像融合技术的使用中，在对低照度场景观察过程中，由于微光图像引入的图像噪声过多，使得图像噪声在融合图像过程中被带入最终图像，造成最终图像的图像质量下降，出现目标观察受到干扰的现象。
[0003]针对这个问题，通常的解决办法是在普通观察的时候使用融合图像进行观察，此时微光图像带入的噪声对观察影响较小，在对特定目标进行细致观察的时候使用单红外图像进行观察，但该方法不能在细致观察的同时获取目标周围环境信息。例如：在较低照度环境下，使用红图像进行细致观察，但由于红外图像对热目标敏感的特性，红外图像在突出了目标特性后，会较大程度的弱化背景细节，造成目标细节突出的同时，目标周围环境被弱化的现象，在非制冷红外图像中，此现象尤为明显。
[0004]目前较为流行的红外与微光的图像融合方法中，一部分采用了如深度卷积网络模型、人工智能等算法，虽然能够比较准确的完成图像融合，但消耗资源较大，实时性较差，对高实时性要求的应用适配性较差；另一部分采用较为简单的图像信息直接叠加的的方法，这种方法简单易实现，但成像效果不理想，会出现目标突出不足，并且背景细节被弱化同时发生的情况。

技术实现思路

[0005]本专利技术要解决的技术问题是克服上述不足，提供一种像素级红外与微光图像融合方法、存储介质及装置。本专利技术的像素级红外与微光图像融合方法能够达到自适应抑制微光图像噪声的效果，实现了扩大红外与微光融合图像的适用范围。本专利技术在融合图像观察的基础上增加微光图像抑制，能保证使用融合图像进行细致观察，将图像噪声抑制在较低程度的同时，提供目标周围环境图像，更有利于对目标周围环境进行观察和分析。
[0006]本专利技术采用的技术方案如下：
[0007]一种像素级红外与微光图像融合方法，包括如下步骤：
[0008]步骤一：根据红外和微光两套光学系统，对同一场景目标进行清晰成像，分别得到红外清晰图像A，微光清晰图像B。
[0009]步骤二：分别对红外和微光图像进行图像分离，得到两种图像的背景层图像和细节层图像。图像分离方法可以用引导滤波、双边滤波、最小二乘滤波、高斯滤波等低通滤波器进行分层。分离出来的图像与原始清晰图像的关系分别为：
[0010]A＝A
base
+A
detail
[0011]B＝B
base
+B
detail
[0012]其中，A
base
和B
base
分别为红外图像和微光图像背景层信息，A
detail
和B
detail
分别为红
外图像和微光图像细节层图像。
[0013]无论是引导滤波、双边滤波、最小二乘滤波还是高斯滤波，窗口大小一般在3～30之间会去的比较好的效果。
[0014]步骤三：计算红外图像中重点观察目标的突出识别强度参数，记作目标突识强度C，目标突识强度C与红外图像关系为：
[0015][0016]其中：A
(i，j)
代表当前红外图像像素点值，A
mean
代表像素点A
(i，j)
对应区域的平均灰度值，λ代表重点观察目标信息阈值。
[0017]步骤四：根据输入的红外图像和微光图像融合比例，使用红外图像和微光图像的背景层信息，计算最终图像的背景层信息，最终图像的背景层信息记作Out
base
，其计算公式如下：
[0018][0019]其中：x代表红外图像与微光图像的融合比例，由外部输入；α是目标突识强度参数。
[0020]步骤五：使用红外图像细节层信息、微光图像细节层信息和微光亮度系数，计算最终图像细节层信息Out
detail
，其计算公式为：
[0021]Out
detail
＝A
aetail
+β
×
B
detail
[0022]其中β为微光亮度系数。
[0023]步骤六：最终将背景层图像信息和细节层信息相叠加，得到最终红外与微光融合图像Out，计算公式如下：
[0024]Out＝Out
base
+Out
detail
。
[0025]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行以实现本专利技术所述的像素级红外与微光图像融合方法的步骤。
[0026]本专利技术还提供一种像素级红外与微光图像融合装置，该装置包括处理器以及上述的计算机可读存储介质。
[0027]本专利技术的有益效果是：
[0028]1)降低红外与微光融合图像中，由于低照度时微光图像带入的图像噪声，提升融合图像清晰度。
[0029]2)该技术算法复杂度低，便于在FPGA、DSP、ARM、PC等不同的平台上实现。
附图说明
[0030]图1为本专利技术的像素级红外与微光图像融合方法的流程图。
[0031]图2为红外示例图像。
[0032]图3为微光示例图像。
[0033]图4为图像融合效果示例图。
具体实施方式
[0034]下面结合实施例对本专利技术作进一步的详细描述。
[0035]本领域技术人员将会理解，下列实施例仅用于说明本专利技术，而不应视为限定本专利技术的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者，均为可以通过购买获得的常规产品。
[0036]为了说明具体的实施过程，假设所述红外与微光图像系统的机芯分辨率都为640
×
512，且对某一场景清晰成像：
[0037]步骤一：所述红外图像和微光图像已对同一目标场景进行清晰成像，都采集分辨率为640
×
512的图像，分别记作红外图像A和微光图像B。
[0038]步骤二：分别对红外和微光图像进行图像分离，得到两种图像的背景层图像和细节层图像。图像分离方法可以用引导滤波、双边滤波、最小二乘滤波、高斯滤波等低通滤波器进行分层。分离出来的图像与原始清晰图像的关系分别为：
[0039]A＝A
base
+A
detail
[0040]B＝B
base
+B
detail
[0041]其中，A
base
和B
base
分别为红外图像和微光图像背景层信息，A
detail
和B
detaill
分别为红外图像和微光图像细节层图像。
[0042]计算过程中，图像分离采取引导滤波算法，得到输入图像和引导图像都采用原始图像。引导滤波算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种像素级红外与微光图像融合方法，其特征在于，包括如下步骤：步骤一：使用红外和微光两套成像系统，对同一目标场景进行清晰成像，分别得到红外清晰原始图像A，微光清晰原始图像B；步骤二：对红外原始图像和微光原始图像分别进行图像分离，得到两种图像的背景层信息和细节层信息，表示为：A＝A
base
+A
detail
B＝B
base
+B
detail
其中，A
base
和B
base
分别为红外图像和微光图像背景层信息，A
detail
和B
detail
分别为红外图像和微光图像细节层图像；步骤三：计算红外图像重点观察目标的突识强度C，表示为：其中：A
(i,j)
代表当前红外图像像素点值，A
mean
代表像素点A
(i,j)
对应区域的平均灰度值，λ代表重点观察目标信息阈值；步骤四：根据输入的红外图像和微光图像融合比例，使用红外图像和微光图像的背景层信息，计算最终图像的背景层信息Out
base
，其计算公式如下：其中：x代表红外图像与微光图像的融合比例，由外部输入；α是目标突识强度参数；步骤五：使用红外图像细节层信息、微光图像细节层信息和微光亮度系数，计算最终图像细节层信息Out
detail
，其计算公式为：Out
detail
＝A
detail
+β
×
B
detail
其中β为微光亮度系数；步骤六：最终将背景层图像信息和细节层信息相叠加，得到最终红外与微光融合图像Out，计算公式如下：Out＝Out
base
+Out
...

【专利技术属性】
技术研发人员：周永康，段晨昊，傅志宇，刘恩锦，殷永成，朱尤攀，陶志刚，张丹，周俊洁，赵德利，
申请(专利权)人：云南北方光电仪器有限公司，
类型：发明
国别省市：