【技术实现步骤摘要】
本申请涉及图像融合，特别是涉及一种红外与可见光图像的融合分割方法。
技术介绍
1、多模态图像融合是指将多源信道所采集到的关于同一目标的多个图像，通过某种规则或者方法提取各自信道的信息，获得信息增强的图像处理技术。基于多模态传感器，可以得到同一目标物体的红外图像和可见光图像。其中，可见光图像依靠其高空间分辨率，提供目标物体丰富的外观信息、细节纹理，但是在遇到照明不足、迷雾天气等环境影响时，可见光图像不能准确地反映出目标物体。相比之下，红外图像通过物体发出的热辐射成像，在提供目标物体的温度信息的同时，受照明变化或伪影的影响也较小，并克服了夜间目标检测的障碍。然而红外图像的空间分辨率通常低于可见光图像。因此，红外和可见光图像的互补性，使得它们可以呈现出几乎所有物体所固有的特征，这也就意味着红外与可见光图像的融合相比于单一模态图像的拥有更加丰富且完整的信息量。
2、关于红外图像和可见光图像融合这方面，一些传统的融合算法比如基于多尺度变换的方法、基于子空间的方法等等。基于多尺度变换的方法将红外和可见光图像分解为一系列多尺度表示，然后根据给定的融合规则对每对表示进行融合，最后对融合后的图像进行相应的多尺度逆变换，得到融合后的图像。基于子空间的方法旨在通过使用主成分分析、独立成分分析，将高维图像投影到低维空间或子空间。
3、一方面，现有的方法融合规则大多过于简单，融合性能有限，导致结果中存在某些伪影。另一方面，神经网络凭借其在图像特征提取方面的优势，许多深度学习融合算法也被提出，但它们通常假设源图像无噪声，显然这在实际
技术实现思路
1、基于此，有必要针对现有的方法融合规则大多过于简单，融合性能有限，导致结果中存在某些伪影。另一方面，神经网络凭借其在图像特征提取方面的优势，许多深度学习融合算法也被提出，但它们通常假设源图像无噪声，显然这在实际成像中是不现实的的问题，提供一种红外与可见光图像的融合分割方法。
2、本申请提供一种红外与可见光图像的融合分割方法。
3、获取目标物体的可见光图像和红外图像，对可见光图像和红外图像进行预处理；
4、分别对预处理后的可见光图像和预处理后的红外图像建立前向模型，生成可见光图像前向模型和红外图像前向模型，对可见光图像前向模型和红外图像前向模型中的噪声应用正态逆伽马分布建立层次先验模型；
5、将红外图像与可见光图像融合，得到融合图像，对融合图像建立gauss-markov-potts模型，在gauss-markov-potts模型中引入隐藏变量；
6、基于贝叶斯准则对前向模型和gauss-markov-potts模型进行联合后验概率推理；
7、利用gibbs抽样近似后验概率分布得到参数估计值；
8、使用交替迭代优化算法，输出迭代结果。
9、本申请涉及一种红外与可见光图像的融合分割方法，通过多模态传感器获取目标物体的可见光图像和红外图像，并对可见光图像和红外图像进行预处理，之后分别对预处理后的可见光图像和预处理后的红外图像建立前向模型，生成可见光图像前向模型和红外图像前向模型，对可见光图像前向模型和红外图像前向模型中的噪声应用正态逆伽马分布建立层次先验模型，将红外图像与可见光图像融合，得到融合图像，对融合图像建立gauss-markov-potts模型，在gauss-markov-potts模型中引入隐藏变量，最后基于贝叶斯准则对前向模型和gauss-markov-potts模型进行联合后验概率推理，利用gibbs抽样近似后验概率分布得到参数估计值，使用交替迭代优化算法，输出迭代结果，得到了定位高亮发热结构的分割图像，有助于跟踪不同关键区域随时间的温度变化，并监测分割后不同区域的温度。
本文档来自技高网...【技术保护点】
1.一种红外与可见光图像的融合分割方法，其特征在于，所述红外与可见光图像的融合分割方法包括：
2.根据权利要求1所述的红外与可见光图像的融合分割方法，其特征在于，所述获取目标物体的可见光图像和红外图像，对可见光图像和红外图像进行预处理，包括：
3.根据权利要求2所述的红外与可见光图像的融合分割方法，其特征在于，分别对预处理后的可见光图像和预处理后的红外图像建立前向模型，生成可见光图像前向模型和红外图像前向模型，对可见光图像前向模型和红外图像前向模型中的噪声应用正态逆伽马分布建立层次先验模型，包括：
4.根据权利要求3所述的红外与可见光图像的融合分割方法，其特征在于，将红外图像与可见光图像融合，得到融合图像，对融合图像建立Gauss-Markov-Potts模型，在Gauss-Markov-Potts模型中引入隐藏变量，包括：
5.根据权利要求4所述的红外与可见光图像的融合分割方法，其特征在于，将红外图像与可见光图像融合，得到融合图像，对融合图像建立Gauss-Markov-Potts模型，在Gauss-Markov-Potts模型中
6.根据权利要求5所述的红外与可见光图像的融合分割方法，其特征在于，所述基于贝叶斯准则对前向模型和Gauss-Markov-Potts模型进行联合后验概率推理，包括：
7.根据权利要求6所述的红外与可见光图像的融合分割方法，其特征在于，所述基于贝叶斯准则对前向模型和Gauss-Markov-Potts模型进行联合后验概率推理，还包括：
8.根据权利要求7所述的红外与可见光图像的融合分割方法，其特征在于，所述利用Gibbs抽样近似后验概率分布得到参数估计值，包括：
9.根据权利要求8所述的红外与可见光图像的融合分割方法，其特征在于，所述分别获取对f、z和θ的估计，包括：
10.根据权利要求8所述的红外与可见光图像的融合分割方法，其特征在于，所述使用交替迭代优化算法，输出迭代结果，包括：
...【技术特征摘要】
1.一种红外与可见光图像的融合分割方法，其特征在于，所述红外与可见光图像的融合分割方法包括：
2.根据权利要求1所述的红外与可见光图像的融合分割方法，其特征在于，所述获取目标物体的可见光图像和红外图像，对可见光图像和红外图像进行预处理，包括：
3.根据权利要求2所述的红外与可见光图像的融合分割方法，其特征在于，分别对预处理后的可见光图像和预处理后的红外图像建立前向模型，生成可见光图像前向模型和红外图像前向模型，对可见光图像前向模型和红外图像前向模型中的噪声应用正态逆伽马分布建立层次先验模型，包括：
4.根据权利要求3所述的红外与可见光图像的融合分割方法，其特征在于，将红外图像与可见光图像融合，得到融合图像，对融合图像建立gauss-markov-potts模型，在gauss-markov-potts模型中引入隐藏变量，包括：
5.根据权利要求4所述的红外与可见光图像的融合分割方法，其特征在于，将红外图像与可见光图像融合，得到融...
【专利技术属性】
技术研发人员：初宁，李晓明，蔡彩芳，徐建锋，
申请(专利权)人：浙江上风高科专风实业股份有限公司，
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。