本发明专利技术涉及一种基于Curvelet变换的可见光与红外图像融合方法，包括以下步骤：首先对原始图像进行快速离散Curvelet变换，得到一系列不同尺度不同方向的低频和高低频子带系数，并计算各子带的聚焦评价值；然后在低频子带，采用局部方差加权策略，充分保留红外图像的低频信息，同时加入可见光图像的低频特征；在高频子带，采用四阶相关系数匹配策略，选择合适的高频系数；最后通过Curvelet反变换得到融合图像。本发明专利技术所提供方法能够有效地综合原始图像的有用信息，与传统的小波变换、金字塔等方法相比，具有更好的融合性能。
【技术实现步骤摘要】
本专利技术属于图像处理数据融合
，涉及。
技术介绍
红外与可见光传感器是最常用的两类传感器，它们工作于不同的波段，可以提供互补的图像信息。红外传感器通过获得地面目标的红外辐射来记录目标自身的红外辐射信息，它依靠探测目标与背景间的热辐射差异来识别目标，因而具有特殊的识别伪装的能力，但对场景的亮度变化不敏感，对比度较低。可见光传感器敏感于目标场景的反射，噪声含量较低，获取的图像具有较高的清晰度，能提供目标所在场景的细节信息。因此将这两种图像进行融合，有利于综合红外图像较好的目标特征和可见光图像清晰的场景信息。近年来，以小波变换和金字塔分解为代表的多尺度分析方法在红外与可见光图像融合中取得了巨大成功，而小波变换的融合效果一般要优于金字塔分解。然而尽管小波变换有很多优点，但各向同性的小波基无法精确地表达图像的边缘方向，由于缺乏平移不变性，图像边缘存在块状效应。为解决这一问题，Candes等人在研究曲线特征最优逼近和图像稀疏表示的基础上提出了 Curvelet变换(小曲线变换)，与小波变换相比，其优点在于细尺度下各特征高度各向异性，能更优地逼近曲线，对图像边缘和纹理等细节特征有更好的描述。但是在可见光与红外图像融合与增强领域，如何选择合适的高频与低频系数的问题一直没有得到很好的解决。
技术实现思路
本专利技术的目的在于针对现有技术的缺点和不足，提供。本专利技术所采用的技术方案是，包括以下步骤步骤1，输入可见光图像与红外图像并进行Curvelet变换，分别得到可见光图像与红外图像的子带系数，所述子带系数包括低频子带系数和高频子带系数；步骤2，根据一个预设的聚焦评价算子，执行步骤2. I得到融合图像的低频子带系数，执行步骤2. 2得到融合图像的高频子带系数；步骤2. 1，根据聚焦评价算子计算可见光图像与红外图像的低频子带系数的聚焦评价值；设置一个滑动窗口，在滑动窗口遍历到任一位置时计算可见光图像与红外图像的低频子带系数的聚焦评价值分别在滑动窗口内的方差，并按照以下的局部方差加权策略计算融合图像的低频子带系数权利要求1.，其特征在于包括以下步骤 步骤1，输入可见光图像与红外图像并进行Curvelet变换，分别得到可见光图像与红外图像的子带系数，所述子带系数包括低频子带系数和高频子带系数； 步骤2，根据一个预设的聚焦评价算子，执行步骤2. I得到融合图像的低频子带系数，执行步骤2. 2得到融合图像的高频子带系数； 步骤2. 1，根据聚焦评价算子计算可见光图像与红外图像的低频子带系数的聚焦评价值；设置一个滑动窗口，在滑动窗口遍历到任一位置时计算可见光图像与红外图像的低频子带系数的聚焦评价值分别在滑动窗口内的方差，并按照以下的局部方差加权策略计算融合图像的低频子带系数2.根据权利要求I所述的基于Curvelet变换的可见光与红外图像融合方法，其特征在于步骤2中，所选择 的聚焦评价算子采用梯度能量或Tenenbaum算子或拉普拉斯能量或改进拉普拉斯能量。3.根据权利要求I或2所述的基于Curvelet变换的可见光与红外图像融合方法，其特征在于步骤2中，根据聚焦评价算子计算聚焦评价值的实现方式是将聚焦评价算子与子带系数进行卷积。全文摘要本专利技术涉及，包括以下步骤首先对原始图像进行快速离散Curvelet变换，得到一系列不同尺度不同方向的低频和高低频子带系数，并计算各子带的聚焦评价值；然后在低频子带，采用局部方差加权策略，充分保留红外图像的低频信息，同时加入可见光图像的低频特征；在高频子带，采用四阶相关系数匹配策略，选择合适的高频系数；最后通过Curvelet反变换得到融合图像。本专利技术所提供方法能够有效地综合原始图像的有用信息，与传统的小波变换、金字塔等方法相比，具有更好的融合性能。文档编号G06T5/50GK102637297SQ20121007600公开日2012年8月15日 申请日期2012年3月21日 优先权日2012年3月21日专利技术者刘军, 邵振峰 申请人:武汉大学本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：邵振峰，刘军，
申请(专利权)人：武汉大学，
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。