[发明专利]一种基于Tetrolet变换的近红外与彩色可见光图像融合算法

权利要求书

1.一种基于Tetrolet变换的近红外与彩色可见光图像融合算法，其特征在于，所述基于Tetrolet变换的近红外与彩色可见光图像融合算法包括如下步骤：

步骤一：将可见光图像从RGB空间转换到HSI空间，分别得到色度I_H分量、饱和度I_S分量和亮度分量I_b；

步骤二：处理图像低频子带系数,对亮度分量I_b和红外图像I_i分别进行Tetrolet变换，得到相应的低频系数与T_i^l和高频系数与T_i^h，对低频系数与T_i^l采用期望最大算法进行融合，得到融合后的低频系数处理图像高频子带系数，对高频系数与T_i^h采用改进的自适应PCNN进行融合，得到融合后的高频系数对与进行Tetrolet逆变换，得到融合后的亮度图像I_f；

步骤三：对饱和度I_S分量进行非线性拉伸，得到拉伸后的饱和度分量I'_S；

步骤四：用I_H、I'_S、I_f替换原来的色度I_H分量、饱和度I_S分量和亮度分量I_b，然后反向映射到RGB空间，得到最终的融合图像；

所述步骤二中在Tetrolet变换中，采用一阶范数的最大值进行滤波替换原始的一阶范数的最小值进行滤波，选择公式为：

其中，G^d,(c),z表示高频系数，S表示低频系数，c*表述对应的Tetrolet分解块；

所述步骤二中处理图像低频子带系数，对低频系数与T_i^l采用期望最大算法进行融合，基于期望最大算法的低频系数融合，通过从给定不完备数据集中寻找潜在分布最大似然估计，将期望最大算法运用到低频系数图像的融合中；待融合的K幅低频图像I_k,k∈{1,2,…,K}来自一幅未知图像F，I_k的一个通用模型为：

I_k(i,j)＝α_k(i,j)F(l)+ε_k(i,j)

其中，α_k(i,j)∈{-1,0,1}为传感器选择性因子，ε_k(i,j)为位置(i,j)处的随机噪声，当图像不具备同样的形态时，使用传感器选择性因子α_k：

在期望最大算法中，对局部噪声ε_k(i,j)使用M个高斯概率密度函数的混合分布进行建模，公式如下：

所述步骤二中低频系数的融合步骤如下：

S1，对图像数据进行标准化和归一化处理：

I'_k(i,j)＝(I_k(i,j)-μ)H

其中，I'_k和I_k分别是标准归一化后的图像和原图像，μ为整幅图像的均值，H为图像的灰度级别；

S2，设定各参数初始值，采用平均成像传感器图像的方法，假设融合后的图像为F，

其中，w_k为待融合图像的权系数；

像素邻域窗口L＝p×q的总体方差为：

混合高斯模型的初始化方差为：

S3，计算在参数给定的情况下，混合高斯分布第m项的条件概率密度：

S4，更新参数α_k，α_k的值在{-1,0,1}中选择以使下式的值最大，

S5，重新计算条件概率密度分布g_m,k,l更新真实场景F(l):

S6，更新噪声的模型参数：

S7，使用新参数重复步骤S3到S6，当参数收敛到某一特定的范围，确定融合图像为：

所述步骤二中处理图像高频子带系数，高频系数融合采用改进的自适应PCNN进行融合，Sobel算子自适应地控制PCNN的阈值，具体如下：

其中，H(i,j)为高频子带系数；

所述步骤二中高频系数融合取点火次数大所对应的Tetrolet系数，当n＝N时，迭代停止，取初始值为和得到融合后的高频子带系数y_F为：

其中，高频系数的点火次数为：y_F(i,j)，y_I(i,j)，y_V(i,j)分别表示位置(i,j)处的融合系数、红外系数和可见光系数；

所述步骤三中对饱和度通道图像进行自适应拉伸方法，具体如下：

其中，I'_S为拉伸处理后的饱和度分量，Max为饱和度分量的像素最大值，Min为饱和度分量的像素最小值；

所述步骤四中融合规则是将红外图像与可见光图像的局部区域标准方差的差值与阈值进行比较，前者大则取值大的图像的系数，后者大则取两幅图像系数的平均值，具体如下：

其中,F^L,F表示融合后的低频分量，表示处理后的可见光图像亮度低频分量，表示处理后的近红外图像低频分量，σ_Vi,I-σ_In表示可见光图像亮度低频分量与近红外图像低频分量的均方差的差值；所述th值在0.1至0.3之间。

2.根据权利要求1所述的一种基于Tetrolet变换的近红外与彩色可见光图像融合算法，其特征在于，所述步骤1中可见光图像从RGB空间转换到HSI空间采用标准模型法，具体公式如下：

S＝Max-Min

式中的R、G、B分量均为归一化之后的数据，Max表示(R,G,B)最大值，Min表示(R,G,B)最小值，H、S、I分别表示转换后的色度、饱和度和亮度；若H＜0，将其增加2π。