[发明专利]红外与微光图像融合方法

说明书

技术领域

本发明涉及图像融合处理技术领域，特别是一种红外与微光图像融合方法。

背景技术

红外/微光图像融合技术已经广泛地应用于军事领域，它将微光图像场景细节丰富、红外图像目标和背景对比度强的优点综合到一幅图像中，从而使观察者能够得到某一场景更准确、全面、可靠的图像信息而大受重视。从上世纪九十年代起，各国军方以及科研机构对红外/微光图像融合技术进行着深入细致的研究，取得了丰硕的成果。在此期间涌现出了一大批实用且优秀的算法，如：算术平均融合算法、主成分分析融合算法、多分辨率图像融合算法、小波变换融合算法、NRL方法、TNO融合方法、MIT融合方法等等。然而，在融合运算过程中，由于图像所有像素需要进行多次相乘以及累加操作，且单幅图像具有庞大的信息量，这样大大限制了融合运算的速度，所以在有限的时间内，融合图像质量不变的条件下，提高图像融合运算的效率是一个亟待解决的问题。

红外/微光图像融合的质量和融合速度是一对相互矛盾的指标。在战场上，光有好的图像质量而不顾系统的运算速度将会给我方带来毁灭性的打击（如：导弹跟踪系统、火控系统），同样，提高了系统的运算速度，而降低图像质量将会使我方不能获得敌方全面的情报（如：侦察系统）。但是，在已有算法基础上和现有融合系统平台上，想兼顾二者是一个相当困难的问题。

专利1：压缩感知框架下的多策略图像融合方法（CN102096913B，申请日2011.01.25）采用傅里叶系数低频全采的变密度采样模型，减少了需要传输的数据量，降低了融合的复杂度，缩短了融合时间，但是存在信息损失的问题。

专利2：图像融合方法及设备（CN101887581B，申请日2010.06.17）对传统PCA(Principal ComponentAnalysis)变换图像融合方法进行了改进，通过对源图像分块处理，使融合后的图像能够充分反映源图像各自的主要信息，但是该方法主要用于医学图像领域，处理过程不具备实时性。

综上所述，目前这些算法多运用与遥感和医学领域，对图像的融合时间没有要求，无法使图像的融合满足实时性，从而阻碍对图像进行实时融合侦察。

发明内容

本发明的目的在于提供一种融合质量高、速度快的红外与微光图像融合方法，从而实现红外与微光图像的实时融合。

实现本发明目的的技术解决方案为：一种红外与微光图像融合方法，包括以下步骤：

步骤一：利用红外摄像头采集原红外图像，利用微光摄像头采集原微光图像；

步骤二：对采集到的原红外图像和原微光图像分别进行分块，将原红外图像和原微光图像分割成N个相互对应的原图像子块；

步骤三：在并行处理系统中，使用图像融合算法，将原红外图像和原微光图像中各个相互对应的原图像子块同时进行图像融合，得到融合后图像子块；

步骤四：将融合后图像子块组合生成最终的融合图像。

本发明与现有技术相比，其显著优点：(1)使用小波融合或拉普拉斯金字塔图像融合算法等多分辨率图像融合算法进行分块加速，确保了图像融合的质量；(2)采用并行融合系统，而且可以大大缩短图像融合的时间，从而对图像进行实时侦查；(3)有很好的工程运用价值，为红外/可见光融合系统的改进提供参考，有效地改进了红外/微光图像融合系统。

附图说明

图1是本发明红外与微光图像融合方法的流程图。

图2是本发明红外与微光图像融合方法的原图像分块个数估计流程图。

图3是本发明红外与微光图像融合方法的图像分块示意图。

图4是本发明红外与微光图像融合方法的小波分块融合流程图。

图5是本发明红外与微光图像融合方法的拉普拉斯金字塔分块融合流程图。

图6是本发明红外与微光图像融合方法的融合后图像子块的重组示意图。

图7是本发明实施例中场景1的小波融合法图像融合结果。

图8是本发明实施例中场景2的小波融合法图像融合结果。

图9是本发明实施例中场景1的拉普拉斯金字塔融合法图像融合结果。

图10是本发明实施例中场景2的拉普拉斯金字塔融合法图像融合结果。

图11是本发明实施例中小波融合法图像分块个数和运算时间的关系曲线图。

图12是本发明实施例中拉普拉斯金字塔融合法图像分块个数和运算时间的关系曲线图。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

结合图1，本发明的图像融合分块加速算法包括以下步骤：