[发明专利]一种红外与可见光图像融合方法

说明书

本发明公开了一种红外与可见光图像融合方法，所述方法包括以下步骤，(1)利用多尺度保边技术(EPF)对图像进行多层次分解，得到红外图像的细节层基础层BS_A和粗糙层以及可见光图像的细节层基础层BS_B，粗糙层(2)细节层和粗糙层利用改进的参数自适应脉冲耦合神经网络(PA‑PCNN)进行融合得到融合后的细节层图像FSⁱ和粗糙层图像CSⁱ，基础层利用显著性能量融合规则(EA)进行融合得到融合后的基础层BS_F；(4)对融合后的各尺度图像求和重构得到融合图像F。

技术领域

本发明涉及图像融合技术领域，具体涉及一种红外与可见光图像融合方法。

背景技术

红外和可见光图像融合是计算机视觉中的重要部分，该技术产生具有鲁棒性的单幅图像，在实际生活需求中能够提供极大的选择决策权。红外图像可以根据目标物体的热辐射效应识别出需要辨识的跟踪目标，并且红外传感器能够全天候工作，基本不受外界环境的干扰；相比之下，可见光图像在纹理和细节方面有较高的空间识别度，能够很好地勾勒出目标物体的轮廓框架，符合人体视觉系统感知。因此将这两种典型的图像相互结合是很有必要的，为了满足在方面的生产及工作需求，大量研究人员致力于融合技术的提升，并且尝试着将其应用于民用和军用领域，如目标识别、目标跟踪、遥感等。

一般情况下，图像融合可以分为三个方面：决策级融合、特征级融合、像素极融合。而现阶段，研究和应用最多的是像数级图像融合，根据不同的融合理论，可以初略的分为几个方面，如：多尺度融合、基于显著性特征提取、稀疏变换、神经网络和其他。总的来说，每个融合算法策略都具有各自的优点和不足，通常情况下，存在以下几个层面的不足：1.提取图像特征信息过程过于复杂；2.算法的稳定性不是很好，有人造伪影的现象出现。为了尽可能克服上述两点，本专利提出了EPF(edge-preserving filtering)域内红外与可见光融合算法。该算法首先基于EPF技术提取不同尺度信息；其次采用EA(energy attribute)融合策略以及PA-PCNN(parameter adaptive fusion pulse coupled neural network)模型进行多尺度信息融合；最后重构源图像。

发明内容

本发明所要解决的问题是提供一种红外与可见光图像融合方法，本方法实现的图像融合方法能将红外与可见光图像中的优势信息进行融合，并且适用于以图像融合为背景下的目标识别系统。

本发明为解决上述问题所提供的技术方案为：一种红外与可见光图像融合方法，所述方法包括以下步骤：

(1)、利用多尺度保边滤波技术(edge-preserving filtering，EPF)对红外与可见光图像多尺度分解，得到红外图像的细节层基础层BS_A和粗糙层以及可见光图像的细节层基础层BS_B，粗糙层

(2)、对红外与可见光图像的细节层图像以及对应的粗糙层图像利用参数自适应融合脉冲耦合神经网络(PA-PCNN)融合得到融合后的细节层图像与粗糙层图像

(3)、对红外与可见光图像的基础层BS_A和BS_B利用显著性能量融合规则(EA)得到融合后的基础层图像BS；

(4)、对融合后的细节层图像粗糙层图像和基础层图像BS求和重构得到融合图像F。

进一步的，步骤1采用一种新颖的多尺度保边滤波技术，该技术联合滑动窗口滤波器和高斯滤波器对输入图像进行快速提取各个尺度的不同特征信息。

进一步的，步骤2通过改变PA-PCNN模型的输入参数值，以局部像素信息值作为输入点，更加适应于以提取细节信息的PA-PCNN模型。

进一步的，步骤1中EPF域内的多尺度分解具体步骤为：

式(1-3):