【技术实现步骤摘要】
本专利技术涉及红外与可见光图像融合，特别是涉及一种基于双偏微分方程的多尺度红外和可见光图像的融合方法。
技术介绍
1、当前的计算机视觉和图像处理技术发展迅速，对于图像的需求也越来越高。人类通过眼睛可以直观地看到环境的景象，但在某些恶劣环境下，如夜晚和大雾天气，人眼并不能直观捕捉到有效信息，这就需要借助图像融合技术对图像进行处理。图像融合技术将来自不同来源的图像整合到一起，通过一定算法处理，生成一个包含源图像中互补信息的新图像。图像融合可以提高图像的质量和信息的可解释性，加强或弱化图像中的某些特性，帮助用户更好地理解和解释图像。可见光图像具有丰富的纹理信息、清晰的细节和较高的分辨率，但在夜晚或其他恶劣环境下视觉效果较差，不能提供有效信息；红外图像根据热辐射信息识别物体，受环境影响小，即使在恶劣环境中也能捕获有效信息，但存在分辨率低、图像边缘模糊的缺点。将两类图像进行融合可以充分利用它们的特征信息，有助于在恶劣环境下更准确地找到目标。红外图像与可见光图像融合主要应用在遥感、军事、监控、目标检测与跟踪等垂直领域。
2、红外与可见光图像融合有多种融合方法，包括基于多尺度分解的方法、基于稀疏表示的方法、基于子空间的方法、基于显著性的方法和基于神经网络的方法等。其中，基于多尺度分解的方法由于其能够从不同粒度表示图像，更符合人类视觉特性而被广泛使用。这类方法先将图像分解成不同尺度的分量，然后采用特定方法对不同尺度的图像层进行融合，最后对融合图像进行重构。这种处理方式适应了图像不同尺度的特点，融合结果更自然。基于多尺度分解的方法主要
3、基于偏微分方程的融合方法能够考虑到图像特性。偏微分方程将图像看作连续的函数，建立数学模型进行迭代求解。然而现有的基于偏微分方程的方法没有利用图像的多尺度信息，能提取到的特征有限，会导致部分信息丢失。各向异性扩散利用二阶偏微分方程，将图像看做热量场，依据像素间的梯度关系决定是否扩散，以达到平滑图像的同时保留边缘的目的。然而，利用各向异性扩散融合后的图像缺失部分细节，且容易出现伪影，视觉效果较差。因此，bavirisetti等人提出了基于四阶偏微分方程的融合策略，这种方法能够有效解决上述现象，然而这种方法得到的图像往往包含过多可见光图像的纹理细节，而忽略了大尺度的边缘和红外图像的梯度变化，导致显著区域和背景分界不清晰。此外，这两种方法都没有从多个尺度提取图像特性，造成融合过程中细节丢失。
技术实现思路
1、为了解决现有技术中基于偏微分方程的图像融合方法图像缺失部分细节、容易出现伪影、视觉效果较差，显著区域和背景分界不清晰，融合过程中细节丢失的技术问题，本专利技术的一个目的在于提供一种基于双偏微分方程的多尺度红外和可见光图像的融合方法，所述融合方法包括如下方法步骤：
2、s1、获取红外图像和可见光图像，采用双偏微分方程分别对红外图像和可见光图像多次迭代进行分解，提取红外图像和可见光图像不同尺度的细节图，以及提取红外图像和可见光图像的基础图；
3、并且，将红外图像与其基础图作差并进行自适应直方图均衡化，获取红外图像的红外纹理细节图；
4、s2、分别计算红外图像和可见光图像的平方计算显著图；
5、s3、对红外图像和可见光图像的平方计算显著图分别进行归一化处理，获取红外图像和可见光图像的权重图；
6、s4、利用红外图像和可见光图像不同尺度的细节图，以及红外图像和可见光图像的权重图，对红外图像和可见光图像不同尺度的细节图进行融合，得到第一融合图；
7、对红外图像和可见光图像的基础图进行融合，得到第二融合图；
8、s5、将第一融合图和第二融合图进行融合，完成多尺度红外和可见光图像的融合。
9、优选地，在步骤s1中，按照如下方法提取红外图像和可见光图像不同尺度的细节图：
10、采用四阶偏微分方程分别对红外图像和可见光图像多次迭代进行第一次分解，获取红外图像和可见光图像的多个第一分解结果；
11、采用二阶偏微分方程分别对红外图像和可见光图像的多个第一分解结果多次迭代进行第二次分解，获取红外图像和可见光图像的多个第二分解结果；
12、将红外图像和可见光图像相邻两次迭代得到的第一分解结果分别作差，红外图像和可见光图像相邻两次迭代得到的第二分解结果分别作差，得到红外图像和可见光图像不同尺度的细节图。
13、优选地，在步骤s1中，按照如下方法提取红外图像和可见光图像的基础图：
14、将双偏微分方程分别对红外图像和可见光图像多次迭代进行分解后，将最后一次迭代得到的分解结果作为红外图像和可见光图像的基础图。
15、优选地，在步骤s2中，通过如下方法分别计算红外图像和可见光图像的平方计算显著图：
16、分别对红外图像和可见光图像进行中值滤波，获取红外图像和可见光图像的滤波图；
17、将分别红外图像和可见光图像的滤波图，与对应的红外图像和可见光图像的基础图作差并进行平方计算，得到红外图像和可见光图像的平方计算显著图。
18、优选地，在步骤s4中，按照如下方法对红外图像和可见光图像不同尺度的细节图进行融合：
19、
20、其中，detaili为尺度i下的第一融合图，weightv为可见光图像的权重图，为尺度i下可见光图像的细节图，weighti为红外图像的权重图为尺度i下红外图像的细节图。
21、优选地，在步骤s4中，按照如下方法对红外图像和可见光图像的基础图进行融合：
22、对红外图像和可见光图像的基础图进行取平均值，得到第二融合图。
23、优选地，在步骤s5中，按照如下方法将第一融合图和第二融合图进行融合：
24、
25、其中，fuse为第一融合图和第二融合图融合后得到的多尺度红外和可见光图像的融合图，base′为第二融合图，detailk为尺度k下的第一融合图，为红外图像的红外纹理细节图，α为用于控制增强后的红外纹理层的比重，m为双偏微分方程分别对红外图像和可见光图像多次迭代的迭代次数。
26、本专利技术提供的一种基于双偏微分方程的多尺度红外和可见光图像的融合方法，使用两种偏微分方程(二阶和四阶偏微分方程，二阶偏微分方程将图像看作阶跃图像，能够提取突出的边缘，四阶偏微分方程将图像看作连续分段平面，能够提取小尺度的纹理和细节)对源图像进行多尺度分解，既能提取大尺度边缘，又能提取小尺度纹理，更符合图像局域特性。基于不同尺度层级本文档来自技高网...
【技术保护点】
1.一种基于双偏微分方程的多尺度红外和可见光图像的融合方法，其特征在于，所述融合方法包括如下方法步骤：
2.根据权利要求1所述的融合方法，其特征在于，在步骤S1中，按照如下方法提取红外图像和可见光图像不同尺度的细节图：
3.根据权利要求1所述的融合方法，其特征在于，在步骤S1中，按照如下方法提取红外图像和可见光图像的基础图：
4.根据权利要求1所述的融合方法，其特征在于，在步骤S2中，通过如下方法分别计算红外图像和可见光图像的平方计算显著图：
5.根据权利要求1所述的融合方法，其特征在于，在步骤S4中，按照如下方法对红外图像和可见光图像不同尺度的细节图进行融合：
6.根据权利要求1所述的融合方法，其特征在于，在步骤S4中，按照如下方法对红外图像和可见光图像的基础图进行融合：
7.根据权利要求1所述的融合方法，其特征在于，在步骤S5中，按照如下方法将第一融合图和第二融合图进行融合：
【技术特征摘要】
1.一种基于双偏微分方程的多尺度红外和可见光图像的融合方法，其特征在于，所述融合方法包括如下方法步骤：
2.根据权利要求1所述的融合方法，其特征在于，在步骤s1中，按照如下方法提取红外图像和可见光图像不同尺度的细节图：
3.根据权利要求1所述的融合方法，其特征在于，在步骤s1中，按照如下方法提取红外图像和可见光图像的基础图：
4.根据权利要求1所述的融合方法，其特征在于，在步骤s2中，通过如下...
【专利技术属性】
技术研发人员：董明利，郭晨彤，邓磊，刘陈华，祝连庆，
申请(专利权)人：广州市南沙区北科光子感知技术研究院，
类型：发明
国别省市：
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。