[发明专利]基于NSST的可见光与红外图像融合方法及系统

说明书

技术领域

本发明属于图像处理数据融合技术领域，设计一种基于非下采样Shearlet变换(NSST)的可见光与红外图像融合方法及系统。

背景技术

图像融合技术将源自不同传感器的同一目标或场景的图像进行综合处理，剔除冗余信息且尽可能保留互补信息，可以获得信息更丰富、更可靠的融合图像。红外与可见光图像融合是图像融合领域的一个重要应用，红外图像表征特定场景向外辐射能量的差异，具有良好目标指示性，但对亮度变化不敏感、对比度较低。可见光图像噪声低、清晰度高，含较丰富的细节信息。因此将这两种图像进行融合，有利于综合红外图像良好的目标特性和可见光图像丰富的细节信息。

近年来，多尺度分析方法在图像融合领域取得许多研究成果。多尺度分析方法发展经历了小波变换，Contourlet变换、非下采样Contourlet变换等。小波变换对点奇异目标函数可实现最优表示，但其方向有限性未能较好地表示线奇异函数，使之不能简单推广到二维。Contourlet变换有效弥补了小波变换的缺陷，可以更好地表示二维甚至更高维奇异性问题，但其不具备平移不变性易导致混频现象。为较好实现平移不变性，A L Cunha等学者提出了非下采样Contourlet变换(NSCT)，其兼具Contourlet的变换的优势，且具有平移不变性。相比NSCT，近几年兴起的剪切波变换(shearlet transform，ST)融合法虽然具有更灵活的结构、更高的计算效率和更理想的图像融合效果，然而其并不具备平移不变性。非下采样剪切波变换(non-subsampled shearlet transform，NSST)作为ST的改进型模型，具有优越的图像处理性能。

图像融合过程中，NSST虽能较好地完成分解与重构任务，但高频与低频子带系数融合规则的设计也同样起到重要作用。传统的融合规则即低频平均加权与高频绝对值取大将会导致融合图像对比度下降。邓承志等在低频部分采用基于粒子群优化算法的加权系数融合规则，考虑到不同传感器低频成分的差异，但在高频部分直接用加权局部能量取大值法，没有考虑邻域内像素间的相互影响，而且迭代运算速度较快，精度很难把握。叶传奇等在处理高频部分时考虑到邻域内像素间的相关性，采用基于区域方差的选择策略，低频分量采用基于区域相似度的融合策略，融合效果有所改进，但其存在一定的模糊度。

发明内容

本发明的目的在于针对现有技术的缺点和不足，提出一种基于NSST的可见光与红外图像融合技术方案。

本发明所采用的技术方案是一种基于NSST的可见光与红外图像融合方法，包括以下步骤：

步骤1，输入可见光和红外图像并进行NSST变换，分别得到可见光图像和红外图像的子带系数，所述的子带系数包括低频子带系数和高频子带系数；

步骤2，根据可见光图像和红外图像的低频子带系数，采用基于区域能量特征值的加权策略计算融合图像的低频子带系数，实现如下，

对可见光图像和红外图像每个像素，分别按照以下原则求低频子带系数的邻域平均能量，