[发明专利]一种红外和可见光图像融合方法

说明书

本发明提出了一种红外和可见光图像融合方法，基于变分法与局部梯度相似性，能够生成保留更多像素梯度和强度信息的融合图像。以已配准的红外和可见光图像为背景，以获取信息更为丰富的融合图像为目标，研究图像融合问题。首先采用结构张量计算得到源图像的融合梯度，利用局部梯度相似性使融合梯度方向更加精确；其次，根据像素强度的比较，将源图像重构为显著图和非显著图，并计算用于甄别和保留非显著图有效细节的权重图；再者，基于源图像的梯度特征和像素强度信息，建立图像融合模型；最后，采用变分法求解优化模型以得到融合图像。本发明所提出的方法在许多应用领域具有潜在的价值，如目标检测、跟踪等计算机视觉方面。

技术领域

本发明属于信息处理方面图像融合技术领域，涉及一种红外和可见光图像融合方法。

背景技术

由于人类视觉的局限性，不同的传感器可以用来获取不同情况下人类视觉无法获取的信息。图像融合技术能够协同利用同一场景的多种传感器图像信息，并生成融合图像，以获得更准确、可靠和全面的场景描述，也便于人类视觉感知或计算机进一步处理和分析。

红外和可见光传感器获取的图像在内容上具有互补性，具体体现在红外图像传感器是热成像工作原理，受黑暗或恶劣天气影响较小，但是成像一般较暗且无彩色信息。而可见光图像光谱信息丰富，能够保留更多的细节和纹理信息，但是需要有照明良好的工作环境。二者的融合可以有效提高图像对场景细节与热目标的描述能力，获得更加详细准确的信息，在军事作战、目标检测、跟踪等领域都具有广泛的使用价值。

目前，红外与可见光图像融合的主要方法有：基于多尺度变换的方法，基于稀疏表示的方法等，大部分算法都是基于空域和频域。还有一个重要分支即利用梯度域信息，在梯度域，重要图像特征被提取成梯度信息能较容易传递到融合图像中，一些优化方法也相继被用于图像融合领域，例如加权最小二乘优化方法、粒子群优化方法等。但是现有的这些融合方法没有考虑到梯度域图像特征的优点，不能保证在梯度域获得的融合梯度信息融合梯度方向的精确性；在空域进行图像重构时，没有赋予有效细节的权重图，生成保留的像素梯度和强度信息有效，导致融合效果一般，图像目标不突出。

发明内容

有鉴于此，本发明提出了一种红外和可见光图像融合方法，基于变分法与局部梯度相似性，能够生成保留更多像素梯度和强度信息的融合图像，融合效果更好，图像目标突出，更有利于后续的图像应用。

为实现上述目的，本发明技术方案如下：

本发明的一种红外和可见光图像融合方法，包括以下步骤：

步骤1、将红外和可见光源图像的权重设定为1，获得红外和可见光源图像在x位置处的初始融合梯度的结构张量：

其中，x用(x₁，x₂)表示，x₁表示水平方向坐标，x₂表示竖直方向坐标；I_n表示图像的像素强度分布矩阵，n＝1，2，分别表示对红外和可见光源两个模态源图像的标号；

G(x)为半正定矩阵，G(x)＝U(x)Λ(x)U(x)^T；其中Λ(x)为具有两个非负特征值的对角矩阵，其维数为2×2；U(x)为由Λ(x)的特征值相对应的特征向量构成的正交矩阵，其维数为2×2；

将Λ(x)特征值中最大的记为λ₁(x)，根据公式G(x)＝λ₁(x)θ₁(x)θ₁(x)^T，计算得到λ₁(x)对应的特征向量θ₁(x)；

获得初始融合梯度为：