[发明专利]车载红外夜视系统及其多源图像融合方法

权利要求书

1.一种多源图像融合方法，用于车载红外夜视系统，其特征在于，该方法分别利用一可见光摄像装置以及一红外摄像装置同时获取观测区域的可见光图像和红外图像；然后将获取的可见光图像和红外图像进行融合，生成融合图像；具体步骤如下：

步骤A、分别对可见光图像和红外图像进行预处理，预处理包括图像的均衡和滤波；

步骤B、采用多尺度Harris-Laplace特征点提取算法分别对预处理后的可见光图像和红外图像构建尺度空间图像集，并提取多尺度特征点及特征尺度；

步骤C、统计步骤B中得到的特征尺度数据，以重复出现最多的特征尺度数据作为最佳特征尺度，以该最佳特征尺度对原可见光图像和红外图像进行Canny边缘提取，进行二值化后存储；

步骤D、分别在步骤C中获取的可见光与红外边缘二值化图像上，以步骤B中提取的多尺度特征点的坐标为中心，以步骤C得到的最佳特征尺度对应的数值为长度，构建正方形检测区域，对检测区域利用最小截平方Hausdorff距离为测度进行精确匹配，并获得精确匹配的特征点对；

步骤E、使用最小二乘法对获取到的精确匹配的特征点对拟合出仿射变换的参数，利用该参数对待匹配图进行仿射变换，并存储已配准的可见光图像和红外图像；

步骤F、将已配准的可见光图像和红外图像进行融合。

2.如权利要求1所述多源图像融合方法，其特征在于，步骤C具体包括以下步骤：

步骤C1.定义积分尺度的尺度变化函数：                                               ；其中，为尺度变化函数，为常数因子，为尺度空间图像序号，为尺度空间图像总数；根据上述尺度变化函数分别统计出可见光图像对应的最佳特征尺度与红外图像对应的最佳特征尺度；

步骤C2. 以可见光图像对应的最佳特征尺度为标准差，为模板尺寸，对预处理后的可见光图像进行高斯平滑滤波，获取到可见光图像的边缘特征尺度图像；以红外图像对应的最佳特征尺度为标准差，为模板尺寸，对预处理后的红外图像进行高斯平滑滤波，获取到红外图像的边缘特征尺度图像；其中，为向下取整；

步骤C3. 在可见光边缘特征尺度图像上，以每个特征点为中心，以为长度划定每个特征点的矩形区域子图像；在红外边缘特征尺度图像上，以每个特征点为中心，以为长度划定每个特征点的矩形区域子图像；

将红外图像的每个矩形区域子图像插值或采样为与可见光图像相同区域大小；以可见光图像为基准图，在其每个特征点附近搜索红外图像的特征点，构成候选匹配点对；

步骤C4.对所有矩形区域子图像进行Canny边缘提取，并进行二值化处理后存储。

3.如权利要求1所述多源图像融合方法，其特征在于，步骤D所述对检测区域利用最小截平方Hausdorff距离为测度进行精确匹配的方法具体为：

在候选匹配点对中，以特征点对应的矩形区域二值化子图像作为输入，其像素点对应的坐标为参数，使用最小截平方Hausdorff距离进行相似度测量，候选匹配点对中距离最小的匹配对为精确匹配对。

4.如权利要求1所述多源图像融合方法，其特征在于，步骤F中所述将已配准的可见光图像和红外图像进行融合是采用改进模板的金字塔图像融合方法，具体包括以下步骤：

步骤F1. 将经典的高斯模板分解为向量：；

步骤F2. 使用构建高斯金字塔；

高斯塔式分解：   

其中，G₀为高斯分解第0层， N为高斯金字塔顶层的层号；分别是高斯金字塔第层图像的行数和列数，为第层的图像；

对先进行每一行高斯分解，再进行每一列高斯分解，通过采样构成高斯金字塔；

步骤F3. 由高斯金字塔建立Laplace金字塔对可见光图像与红外图像分解与融合。

5.如权利要求1-4任一项所述的多源图像融合方法，其特征在于，在步骤F后还包括确定可见光和红外融合图像中的道路范围，并对道路范围内的图像进行对比度增强和亮度增强的步骤。