[发明专利]基于NSCT的邻域特性区域化的红外与微光图像融合方法

说明书

技术领域

本发明涉及多源图像融合领域，具体涉及一种改进的邻域特性区域化处理的NSCT域红外与微光图像融合方法，用于实现微光环境下的图像融合。

技术背景

图像融合是以图像为研究对象的信息融合，它把对同一目标或场景的用不同传感器获得的不同图像，或用同种传感器以不同成像方式或在不同成像时间获得的不同图像，融合成一幅图像，在这一副图像中能反映多重原始图像的信息，以达到对目标和场景的综合描述，使之更适合视觉感知或计算机处理。从20世纪80年代初至今，多源图像融合已引发了世界范围的研究热潮，它在计算机视觉、遥感、机器人、医学图像处理及军事等领域有着广泛的应用前景。多源图像融合技术在国内所进行的研究相对于国际上的研究工作起步较晚，目前处于落后状态，迫切需要开展广泛深入的理论研究和工程技术研究工作。

红外和微光图像融合是多源图像融合的一种，其目的在于融合来自红外与微光图像中的互补信息。互补信息主要体现在红外图像中的高温物体具备高亮特征，而微光图像中物体的亮度仅与物体自身反射的外界光程度有关。融合得到的图像将红外图像的目标指示性与微光图像的细节表现力有效结合起来。

非下采样Contourlet变换(nonsubsampledContourlettransform，简称NSCT)不仅具有多尺度、时频局部特性，还具有多方向特性，能够有效捕捉图像中的几何特征，并且能为图像进行稀疏表示，变换后能量更加集中，为图像融合提供更多的有用信息。因此，基于NSCT变换的红外与微光图像融合方法在图像融合领域取得了很好的效果。将图像经NSCT进行多尺度、多方向分解，会产生一个低频子带和多个高频方向子带。分别针对图像的低频系数和高频系数采用不同的融合规则进行融合，因此融合规则的选取对融合图像的质量影响也至关重要。

然而，传统的融合规则主要是低频部分针对像素点进行加权平均、高频部分绝对值取大，这虽然在一定程度上实现融合，但是融合图像会产生虚假轮廓。低频部分用图像的清晰部分去弥补图像的模糊部分，降低了图像的对比度，损失了清晰部分重要信息；高频部分绝对值取大，虽然能较好的提取图像的轮廓，但是也增强了非边缘信息。

为了克服这些缺陷，近年来国内外很多研究人员有针对性的对融合规则进行了相应的改进，力求寻找一种更有效的方式，即能消除图像融合中产生的虚影，又能较好的体现红外图像的目标指示性与微光图像的细节表现力。他们的研究主要集中在低频部分的改进或者高频部分的改进，主要方法一般为基于邻域特征、区域特征或者学习机制的寻优方式寻找最佳加权值。这类改进虽然能一定程度上对融合图像质量有所改善。但是，基于邻域特征的融合规则虽然考虑了单个像素点的灰度值，以及该像素邻域内各像素点之间的相关性，但会出现单个像素点参与融合而导致其代表的物理意义割裂的情况。而基于区域特征的融合将图像中每个像素都视作区域或边缘的一部分，并用区域量测指标来指导融合选取。这种方式有效克服了像素级融合存在的问题，但是它未考虑区域边缘像素点与外围之间的关联，在融合过程中，容易产生区域块效应。学习机制寻找最优加权值，虽然能达到很好的效果，但是它运算量大，而且参数的设置同样需要不同的尝试，这样不便于快速实施融合。

近几年的研究表明：将NSCT用于图像融合，能取得不错的效果，可以有效去除其他多尺度方法带来的混频现象，如Contourlet变换。融合规则的改进能进一步改善了图像融合的效果。而且，规则的选择对融合图像质量的影响至关重要。本发明在传统研究的基础上，结合了像素级融合与特征级融合的优点，提出了一种基于邻域特性区域化处理的红外与微光图像融合方法，该方法分别对低频部分与高频部分做了相应的处理，针对低频部分提出了一种基于邻域能量的区域化能量加权选择规则；高频部分两部分处理，最高尺度采用基于邻域方差区域化的方差取大，其余尺度采用一种邻域能量区域化的匹配系数选择方案。该方法有效消除了传统融合方法产生的虚假轮廓，而且更好的融入源图像的重要信息及边缘轮廓信息。

发明内容

本发明所要解决的技术问题是：针对现有技术的上述不足，提出了一种基于邻域特性区域化处理的NSCT域红外与微光图像融合方法。消除了传统融合方法产生的虚假轮廓现象，较好的结合了像素级融合与特征级融合的优点，有效克服了像素级产生的模糊效应、对噪声敏感效应以及特征级融合容易产生的块效应。本发明针对微光环境下的红外与微光图像融合能够取得较好的视觉效果，具有良好的目标指示性与细节表现力。