[发明专利]一种红外图像与可见光图像融合的处理方法

说明书

本发明涉及一种红外图像与可见光图像融合的处理方法，包括以下内容：判断选择融合算法：先进行红外图像去噪及傅里叶变换处理，得到红外图像频谱图；再根据红外图像频谱图，判断选择图像融合算法，选择执行图像特征融合或图像加权融合；基于图像特征融合或图像加权融合，进行红外图像和可见光图像融合处理。本发明通过判断选择融合算法，具有一定的自动判别能力；同时，可根据不同的红外图像的傅里叶变换频谱图中亮点的比例将融合权值分段，以期达到一个较好的图像融合效果。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种红外图像与可见光图像融合的处理方法。

背景技术

红外成像技术利用红外辐射感知周围的客观环境，其图像具有环境适应性好，隐蔽性好，伪装目标辨识度高的特点。得益于其成像原理，红外图像具有温度表征特性，经过一定的染色变换，就能感受到目标的温度分布信息。但是受限于红外探测器的制作工艺难度和材料纯度影响，红外图像普遍存在分辨率低，噪声大，图像对比度低，灰度范围窄的现象，由此造成背景与被监测目标之间对比度模糊，被监测目标细节难以辨认，图像特征信息不明确，使得对图像中目标和场景的识别和分析存在一定的难度。

相比于红外图像，可见光图像的对比度和分辨率都比较高，有光谱信息丰富、动态范围大、细节信息多、视觉性好等优点。但是可见光图像抗干扰能力差，在微光、雾天、目标有伪装等情况下，可见光图像的效果则会明显变得不尽人意，难以获取目标和场景的信息，甚至使得无法对目标和场景进行分析和识别。

红外图像与可见光图像两者有各自的性能特点与功能优势。由于单一图像传感器所获取的图像数据可能会存在一定的局限性，所包含的信息是不完整、不精确的。由此产生了将不同传感器在同一状态下或者同一传感器在不同状态下获取的图像进行综合使用的图像处理技术，提高图像的质量和信息量，从而对目标能够进行更加全面、准确的分析和认识。

根据对图像信息处理层次的不同，图像融合分为三个级别：像素级融合，特征级融合和决策级融合。像素级融合是低层次的融合，它直接作用于图像像素。所得融合图像对源图像信息保留程度最好，图像质量高。该层次的融合结果与特征级和决策级效果相比，融合图像有更加丰富、精确和可靠的细节信息，更利于图像后续处理和分析。但该级别融合过程处理的信息量较大，实时性和容错能力较差。特征级融合属于中间层次的融合，是在对源图像特征提取的基础上，对各源图像特征的融合，融合后得到一幅包含新的复合特征的图像。融合过程中对源图像细节信息丢失较多，处理数据量较小，因而融合处理速度快，便于数据压缩和传输。决策级融合是高层次的融合方法，是在特征提取和特征分类基础上对决策的符号或模型的融合，决策级融合主要是基于认知模型的方法，因而专用性较强，使用不多。

加权融合是图像像素级融合的代表性算法，它的处理方法直观，包含的信息量丰富。加权融合中权重的取值直接决定了融合效果的好坏，但是权重大小是一个难以确定的参数，它没有一个标准的计算方法，很多情况下是一个经验参数。

特征融合是图像特征级融合的算法，它一般是提取可见光中的边缘细节特征与红外图像进行融合，弥补红外图像的缺陷。可见光图像提取的特征质量好坏直接决定了最后的融合效果。两个融合算法都是图像融合处理中常用的算法，在进行具体操作时选择一个最适合的算法，最后才能获得令人满意的融合效果。

发明内容

本发明的目的在于提供一种红外图像与可见光图像融合的处理方法，具有一定的自动判别能力，判断选择融合算法。

为了实现上述目的，本发明提供了以下技术方案：

本发明提供一种红外图像与可见光图像融合的处理方法，包括以下内容：

判断选择融合算法：先进行红外图像去噪及傅里叶变换处理，得到红外图像频谱图；再根据红外图像频谱图，判断选择图像融合算法，选择执行图像特征融合或图像加权融合；

基于图像特征融合或图像加权融合，进行红外图像和可见光图像融合处理：