[发明专利]一种基于DLatLRR与VGG·Net的红外与可见光图像融合方法

权利要求书

1.一种基于DLatLRR与VGG·Net的红外与可见光图像融合方法，其特征在于，包括：

S1、对红外与可见光图像进行潜在低秩表示DLatLRR(分解)，得到对应的低秩部分、显著部分及稀疏噪声；

S2、分别采用VGG·Net模型和联合特征加权算法分别对低秩部分与显著部分进行融合；

S3、对融合得到的低秩部分和显著部分进行图像重建，得到融合图像。

2.根据权利要求1所述的一种基于DLatLRR与VGG·Net的红外与可见光图像融合方法，其特征在于：所述S1中，对红外与可见光图像进行潜在低秩表示DLatLRR的方式为：

S101、确定LatLRR的红外与可见光图像数学模型；

S102、分别对数据模型中矩阵组合进行双极性优化处理，得到图像低秩部分、显著部分及稀疏噪声。

3.根据权利要求1所述的一种基于DLatLRR与VGG·Net的红外与可见光图像融合方法，其特征在于：所述低秩部分融合步骤为：

S2011、将红外与可见光图像的低秩部分分别输入VGG·16网络，提取第i个卷积组的输出，根据L1范数对输出的多通道特征图进行压缩，得到单通道特征图；

S2012、根据单通道特征图，计算初始的归一化自适应权重；

S2013、采用上采样对归一化自适应权重的图形进行尺寸重整，得到尺寸大小与原始低秩部分一致的四组权重图，并以此分别对红外与可见光图像的低秩部分进行融合；

S2014、对四组权重融合后的低秩部分根据绝对值最大准则同一位置的四个值进行选取，得到融合的低秩部分。

4.根据权利要求1所述的一种基于DLatLRR与VGG·Net的红外与可见光图像融合方法，其特征在于：所述显著部分融合步骤为：

S2021、通过红外与可见光源图像的显著图构建显著度权重；

S2022、通过源图像显著部分的区域能量构建能量权重；

S2023、将显著度权重和能量权重整合，并对显著部分进行融合。

5.根据权利要求1所述的一种基于DLatLRR与VGG·Net的红外与可见光图像融合方法，其特征在于：所述图像重建时需舍弃稀疏噪声。