[发明专利]基于高低频信息补充的图像融合方法及系统

说明书

本发明涉及图像融合领域，提供一种基于高低频信息补充的图像融合方法及系统，包括：S1：提取VIS‑V图像的显著图引导的权重图Ls；S2：获取高频图像和低频图像；S3：提取所述NIR图像的归一化局部熵引导的权重图Lg；S4：通过所述归一化局部熵引导的权重图Lg和所述显著图引导的权重图Ls对所述低频图像进行引导，获得引导后的低频图像；S5：获得补充后的高频图像H_u和补充后的低频图像LF；将所述补充后的高频图像和所述补充后的低频图像进行融合，获得融合图像Fused C。本发明加强了融合图像的边缘效果，使得低频部分更加清晰，不会使得亮度过大而出现颜色失真，可以得到清晰、信息丰富并且十分自然的融合结果。

技术领域

本发明涉及图像融合领域，尤其涉及一种基于高低频信息补充的图像融合方法及系统。

背景技术

多尺度分解是很常用的图像融合方法，多尺度变换方法包括金字塔变换，小波变换，非下采样轮廓波变换等。它的融合步骤分为三步：先对源图像进行多尺度分解得到不同层级的子图像，然后根据相应的融合规则进行不同层级的图像融合，最后通过多尺度反变换得到最终结果。但是现有的融合规则在处理近红外和可见光图像融合时，只是简单的处理整张图片的信息而没有区别天空区域和大地区域。这样简单的亮度叠加会导致图像大地区域饱和度过高而颜色失真。很多的传统方法在处理近红外图像(NIR图像)和可见光图像(VIS图像)融合时可以增强远处山体的细节，但是对于房屋和植被都会产生明显的颜色失真。以上现有技术的不足导致目前近红外图像与可见光图像的融合效果不佳，上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

为解决上述技术问题，本发明提供一种基于高低频信息补充的图像融合方法，包括步骤：

S1：获取VIS图像，将所述VIS图像进行HSV转换获得VIS-V图像，提取所述VIS-V图像的显著图引导的权重图Ls；

S2：获取NIR图像，将所述NIR图像进行多尺度分解获得高频NIR图像和低频NIR图像，将所述VIS-V图像进行多尺度分解获得高频VIS-V图像和低频VIS-V图像；将所述高频VIS-V图像和所述高频NIR图像组成高频图像，将所述低频VIS-V图像和所述低频NIR图像组成低频图像；

S3：提取所述NIR图像的归一化局部熵引导的权重图Lg；

S4：通过所述归一化局部熵引导的权重图Lg和所述显著图引导的权重图Ls对所述低频图像进行引导，获得引导后的低频图像；

S5：提取VIS-V图像的梯度图对所述高频图像进行补充，获得补充后的高频图像H_u，对所述引导后的低频图像进行补充，获得补充后的低频图像LF；将所述补充后的高频图像和所述补充后的低频图像进行融合，获得融合图像Fused C。

优选的，步骤S1中，提取所述VIS-V图像的显著图引导的权重图Ls，具体为：

S11：获取所述VIS-V图像的局部灰度和全局平均灰度，通过所述局部灰度与所述全局平均灰度的比较获得所述VIS-V图像的显著图，计算公式如下：

其中，a为VIS-V图像编号，k为像素编号，为第a幅VIS-V图像的第k个像素的灰度值；M(.)为VIS-V图像的全局平均灰度，I_a为第a幅VIS-V图像；

对于第a幅VIS-V图像中的任一像素，若则保留该像素，否则将该像素的灰度值设为0，将第a幅VIS-V图像的所有像素比较完毕后获得所述VIS-V图像的显著图map b；

S12：将所述VIS图像作为引导图像，对所述VIS-V图像的显著图mapb进行滤波，获得所述显著图引导的权重图Ls，计算公式如下：