[发明专利]一种红外图像与可见光图像融合方法、装置及存储介质

权利要求书

1.一种红外图像与可见光图像融合方法，其特征在于，包括如下步骤：

对红外图像和可见光图像进行差分计算，得到红外与可见光差分图像；所述对红外图像和可见光图像进行差分计算的过程包括：

根据差分公式对红外图像和可见光图像进行差分计算，所述差分公式为：

I_dif＝I_inf-I_vis，

其中，I_dif表示为红外与可见光差分图像，I_inf表示为红外图像，I_vis表示为可见光图像；

根据全变分模型分别对所述红外图像、所述可见光图像及所述红外与可见光差分图像进行分解计算，分别得到红外图像卡通纹理分量成分、可见光图像卡通纹理分量成分以及差分图像卡通纹理分量成分；所述根据全变分模型分别对所述红外图像、所述可见光图像及所述红外与可见光差分图像进行分解计算的过程包括：

在对所述红外图像进行分解计算时，根据全变分模型中的全变分问题将所述红外图像定义为：

I_inf＝T_inf+C_inf，

其中，I_inf表示红外图像，T_inf表示红外光图像纹理分量成分，C_inf表示红外光图像卡通分量成分，

在对所述可见光图像进行分解计算时，根据全变分模型中的全变分问题将所述可见光图像定义为：

I_vis＝T_vis+C_vis，

其中，I_vis表示可见光图像，T_vis表示可见光差分图像纹理分量成分，C_vis表示可见光差分图像卡通分量成分，

在对所述红外与可见光差分图像进行分解计算时，根据全变分模型中的全变分问题将所述红外与可见光差分图像定义为：

I_dif＝T_dif+C_dif，

其中，I_dif表示红外与可见光差分图像，T_dif表示红外与可见光差分图像纹理分量成分，C_dif表示红外与可见光差分图像卡通分量成分；

所述全变分模型为TV-l₁模型，在对所述红外图像进行分解计算时,根据所述TV-l₁模型计算所述红外图像对应的最小化函数，所述红外图像对应的最小化函数式表示为第一式，所述第一式为：

其中，第一式的解为红外光图像卡通分量成分，表示为红外光图像卡通分量成分的全变分正则化项，λ||I_inf-C_inf||₁dΩ表示为保真项，λ表示正则化参数，Ω表示二维图像，

在对所述可见光图像进行分解计算时,根据所述TV-l₁模型计算所述红外图像对应的最小化函数，所述可见光图像对应的最小化函数式表示为第二式，所述第二式为：

其中，第二式的解为可见光图像卡通分量成分，表示为可见光图像卡通分量成分的全变分正则化项，λ||I_vis-C_vis||₁dΩ表示为保真项，λ表示正则化参数，

在对所述红外与可见光差分图像进行分解计算时,根据所述TV-l₁模型计算所述红外图像对应的最小化函数，所述红外与可见光差分图像最小化函数式表示为第三式，所述第三式为：

其中，第三式的解为红外与可见光图像卡通分量成分，表示为红外与可见光图像卡通分量成分的全变分正则化项，λ||I_dif-C_dif||₁dΩ表示为保真项，λ表示正则化参数；

在对所述红外图像进行分解计算时，根据第四公式对红外光图像纹理分量成分进行计算，所述第四公式为：

T_inf＝I_inf-C_inf，

在对所述可见光图像进行分解计算时，根据第五公式对可见光图像纹理分量成分进行计算，所述第五公式为：

T_vis＝I_vis-C_vis，

在对所述红外与可见光差分图像进行分解计算时，根据第六公式对红外与可见光差分图像纹理分量成分进行计算，所述第六公式为：

T_dif＝I_dif-C_dif；

根据梯度下降法分别对红外图像的最小化函数式、可见光图像的最小化函数式以及红外与可见光差分图像的最小化函数式的优化问题求解：

其中，(i,j)表示所述红外光图像或所述可见光图像或所述红外与可见光差分图像中像素点的位置，参数和分别表示向前与向后的差异，表示梯度大小，n为迭代次数，Δm与Δn为图像网格上的距离，Δt表示时间变化量，ε设置为极小值，表示ij位置处第n次迭代时梯度大小，与分别为两坐标方向上前向差异，为两坐标方向上后向差异，I_ij表示ij位置处像素值；

构建狼群优化迭代算法的适应度函数；

根据所述狼群优化迭代算法和构建的适应度函数在所述红外图像卡通纹理分量成分、所述可见光图像卡通纹理分量成分以及所述差分图像卡通纹理分量成分中确定权重项和对应的权重系数，作为融合图像分量成分的权重项和权重系数，所述融合图像为所述红外图像和所述可见光图像相结合得到的图像；

根据确定的权重项和权重系数进行加权计算，得到所述融合图像。