[发明专利]基于多形态稀疏表示的图像融合方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种基于形态学成分分析原理，利用多形态稀疏基对红外图像和可见光图像分别进行稀疏表示并融合的方法。

背景技术

可见光图像是物体的反射图像，对比度较高，含有丰富的细节信息，适于人眼观察；但在低照度天气条件下，可见光图像容易丢失细节信息，且在目标与背景色度差异较小时，容易丢失目标。而红外图像是物体自身的辐射所产生的图像，受光照条件的影响较小，但红外图像对比度较低，对目标细节的反映能力也比较差，不符合人眼视觉习惯。因此，利用这两种图像所具有的互补特性，将其进行融合，可以实现不同光照条件下的高质量图像输出。

图像融合是指对多源信道所采集的同一目标图像数据进行处理，并最大限度地提取各自信道中的有用信息，最后综合成高质量的图像。

近年来，为在保证图像融合质量的同时减少图像的数据量，基于稀疏表示的图像融合算法得到了广泛的研究与应用。由于红外图像和可见光图像均包含光滑、边缘和纹理三种成分，且这三种成分在两类图像中所占比重不同，单一的基函数无法同时对其进行最优表示，因此非常有必要研究基于多形态稀疏表示的图像融合方法，通过对图像光滑成分、纹理成分和边缘成分更精确的描述，最终得到高质量的融合图像。

发明内容

本发明提供一种基于多形态稀疏表示的图像融合方法，该方法所得融合图像质量较高。本发明借鉴MCA理论，构建了多形态稀疏基，并利用其对可见光图像进行了形态学分离，得到其光滑成分和纹理成分的稀疏系数，然后将红外图像边缘成分的稀疏系数、可见光图像光滑成分以及纹理成分的稀疏系数融合，再对所得到的融合系数进行逆变换，得到最终的融合图像。

本发明采用的技术方案为：基于多形态稀疏表示的图像融合方法，其实施步骤如下：

(1)利用FT算法对红外图像进行显著性检测，获得其边缘成分X_E；

为了有效地检测图像边缘，FT算法利用DoG滤波器作为算法的带通滤波器。其中：

DoG(x,y)=12π[1σ12e-(x2+y2)2σ12-1σ22e-(x2+y2)2σ22]=G(x,y,σ1)-G(x,y,σ2)]]>