[发明专利]基于潜在低秩表示嵌套滚动引导图像滤波的图像融合方法

说明书

本发明涉及一种基于潜在低秩表示嵌套滚动引导图像滤波的图像融合方法，其利用潜在低秩表示将待融合的红外图像和可见光图像分别进行分解，得到对应的低秩子层和显著性子层；再分别对两个低秩子层进行多尺度分解，提取细节层，加权合并后得到增强图层；利用基于改进的视觉显著映射的加权引导图像滤波算法对两个低秩子层进行融合，得到低秩子层融合图像；利用基于金字塔分解的区域能量特征自适应加权融合方法对显著性子层进行融合，得到显著性子层融合图像；增强图层、低秩子层融合图像和显著性子层融合图像相加重构后得到最终的融合图像。本发明能够保留源图像丰富的细节信息，同时还提高了融合图像的清晰度、对比度，融合性能良好。

技术领域

本发明涉及图像融合技术领域，特别是涉及一种基于潜在低秩表示嵌套滚动引导图像滤波的图像融合方法及系统。

背景技术

由于单一图像传感器无法获得更加全面丰富的场景信息，存在一定的局限性，因此，人们倾向于利用多个传感器捕获图像进行图像融合，即通过一定算法提取和整合来自同一场景、同一时刻多幅图像的有效信息进行多方位融合，以获取良好的视觉效果和丰富的细节信息。因此，图像融合在军事、计算机视觉、遥感探测、医学成像等领域皆掀起研究热潮，具有非常广泛、重要的应用价值。其中，红外与可见光图像融合是图像融合领域研究的基础，因此红外图像与可见光图像融合成为研究的重点与热点。

红外成像与可见光成像的机理不同，两种图像具有不同的特性。可见光图像的空间分辨率较高、背景信息丰富，它们适合于人类的视觉感知。但易受光照差、烟雾，恶劣天气条件影响。红外图像依据探测器不同，能够感知不同波段的热辐射，具有较强的夜视、透雾能力，但分辨率低。于是，人们利用其互补信息弥补各自成像的不足进行图像融合，使得融合图像信息更丰富、可理解性更好。

目前，图像融合算法大体包括以下几大类：基于空间域的融合、基于多尺度变换(MST)的融合、基于边缘保持滤波器的融合、基于稀疏表示的融合、基于神经网络的融合。其中，最早出现的是加权平均、主成分分析等基于空间域的融合方法。研究最广泛的是基于多尺度变换域的融合算法，典型的方法包括离散小波变换(DWT)、双树复小波变换(DT-CWT)、曲线变换(CVT)、非下采样轮廓波变换(NSCT)等。除此之外，基于边缘保持滤波器、稀疏表示和神经网络的方法及其他方法也逐渐被引入图像融合领域。

JiayiMa等人提出了一种基于梯度转移和总变差最小化的红外与可见光图像融合(“Infrared and visible image fusion via gradient transfer and total variationminimization”,Information Fusion,2016,31:100-109.)，称为梯度转移融合(GTF)。该图像融合方法将融合问题表示为l₁-TV最小化问题，其中数据保真项保持红外图像的主要强度分布，正则化项保持可见光图像的梯度变化，使得融合后的图像看上去像是具有较高分辨率的红外图像，目标清晰可见，但却丢失一部分源图像的细节纹理信息，同时存在伪影。

Y.Liu等人提出了一种基于卷积稀疏表示的图像融合(“Image fusion withconvolutional sparse representation”,IEEE Signal Process.Lett.,vol.23,no.12,pp.1882–1886,Dec.2016.)。该图像融合方法利用两尺度图像分解得到了基础层和细节层，采用最大值策略和平均策略对不同图像类型的基础层进行融合，利用细节层的卷积稀疏表示对加权融合结果进行编码，该方法改善了传统稀疏表示融合方法中保留重要细节的能力，但边缘区域存在几个伪影。