[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

说明书

本发明提出了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；首先，使用拉普拉斯金字塔对源图像进行多尺度分解得到高低频子带；然后，对于高频子带，采用相位一致性提取图像特征图，使用特征图计算权重矩阵进而得出融合的高频子带；对于低频子带，首先根据显著性构造初始权重矩阵，然后把红外低频子带的权重矩阵和由低频子带特征图计算出的修正项相加，得到最终的红外低频子带权重矩阵，从而得出融合的低频子带；最后，通过拉普拉斯金字塔逆变换重建得到融合图像。本发明能够有效地反映出融合图像的边缘和纹理信息，较好的保留红外目标的显著性，同时也具有良好的对比度和视觉效果。

技术领域

本发明涉及图像处理技术领域，尤其涉及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。

背景技术

红外(IR)与可见光图像的融合在其中起着重要的军事作用和民用应用，如目标探测、监视和情报收集红外成像传感器可以捕获物体发出的热辐射，受影响较小黑暗或恶劣的天气条件。然而，获得的IR图像通常缺乏足够的背景细节的场景。在对比之下，可见图像通常包含更多的细节和纹理信息，并具有较高的空间分辨率相应的红外图像。红外与可见光图像融合可以产生为人类观察提供更多信息的合成图像或计算机视觉任务。

基于多尺度分解的融合方法在过去几十年里被广泛研究，多尺度融合方法的本质是利用多尺度分解的方法将空间重叠的特征分离到不同的尺度上然后分别进行融合。有很多的多尺度分解方法已经应用到了图像融合领域，如：拉普拉斯金字塔变换、离散小波变换、非亚采样轮廓波变换、引导滤波器等等，这些基于多尺度分解的算法可以简单概括为以下几个步骤：(1)对源图像进行多尺度分解，以得到含有不同频率信息的子图像；(2)根据不同频率子图像的特点，选取不同的融合规则分别进行融合；(3)采用对应的逆变换获取最终的融合图像。

然而，现有的融合算法得出的融合结果存在纹理细节丢失、红外目标不够显著、对比度较低导致视觉效果不尽人意等缺点。

发明内容

为了解决传统的拉普拉斯金字塔融合方法纹理细节丢失、对比度差以及红外目标显著性损失的问题，本发明提供了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，主要包括以下步骤：

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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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：