[发明专利]基于相位一致性和目标增强的红外和可见光图像融合方法

权利要求书

1.一种基于相位一致性和目标增强的红外和可见光图像融合方法，其特征在于：包括以下步骤：

S101：使用拉普拉斯金字塔把输入图像进行多尺度分解得到输入图像的高频子带和低频子带；

S102：对于高频子带：利用根据相位一致性提取的特征图建立权重矩阵，从而得到高频融合图像；

S103：对于低频子带：首先利用低频子带建立初始的权重矩阵，然后在红外图像低频权重矩阵中加入由低频子带特征图计算出的修正项，得出最终的权重矩阵，从而得出低频融合图像；

S104：通过拉普拉斯金字塔逆变换将所述高频融合图像和所述低频融合图像重构得出重构的融合图像；

步骤S101中，所述的输入图像包括：同一目标场景获取的红外图像和可见光图像；

步骤S101中，使用拉普拉斯金字塔把输入图像进行多尺度分解得到输入图像的高频子带和低频子带，如公式(1)所示：

[B_n,D_n]＝lp_dec(I_n) (1)上式中，n＝1,2分别代表红外图像和可见光图像：B₁和D₁分别表示红外图像的低频子带和高频子带，B₂和D₂分别表示可见光图像的低频子带和高频子带，I₁和I₂分别表示红外图像和可见光图像；

所述的红外图像和可见光图像提前经过严格的配准且图片大小严格一致；

步骤S102中，对于高频子带：利用根据相位一致性提取的特征图建立权重矩阵，从而得到高频融合图像；具体包括：

S201：利用相位一致性提取红外图像的特征图P₁和可见光图像的特征图P₂；

S202：分别对P₁和P₂使用“absolute max”原则构造P₁和P₂对应的权重矩阵W₁和W₂，以保留目标的显著性；

S203：结合高频子带D₁和D₂融合得到高频融合图像D，具体如公式(2)所示：

D＝W₁.*D₁+W₂.*D₂ (2)；

步骤S103中，对于低频子带：首先利用低频子带建立初始的权重矩阵，然后在红外图像低频权重矩阵中加入由低频子带特征图计算出的修正项，得出最终的权重矩阵，从而得出低频融合图像；具体包括：

S301：利用低频子带B₁和B₂分别建立红外图像和可见光图像初始的权重矩阵W₁₁和W₂₂，具体由如公式(3)所示：

S302：把红外图像的低频子带的权重矩阵W₁₁和由低频子带特征图计算出的修正项ΔP相加，得到最终的红外图像的低频子带权重矩阵W_1'，可见光图像的低频子带权重矩阵W_2'保持不变；W_1'、W_2'由公式(4)得出：

上式中，λ为抑制系数，为预设值；

303：通过公式(5)得到低频融合图像B：

B＝W_1'.*B₁+W_2'.*B₂ (5)。

2.如权利要求1所述的一种基于相位一致性和目标增强的红外和可见光图像融合方法，其特征在于：步骤S104中，将高频融合图像D和低频融合图像B进行像素级的相加，确保与输入图像大小相同，即可得到重构的融合图像。