[发明专利]一种微光多源图像融合方法、系统及产品

权利要求书

1.一种微光多源图像融合方法，其特征在于，包括：

对同一场景的微光多源图像进行拉普拉斯金字塔分解，确定高频子图像以及低频子图像；所述微光多源图像包括可见光图像以及红外图像；

计算所述高频子图像的隶属度函数，并确定图像直觉模糊集合的隶属度、非隶属度以及犹豫度；

根据所述隶属度、所述非隶属度以及所述犹豫度，利用等腰三角形模型计算模糊熵；

根据所述模糊熵确定所述高频子图像的融合决策图；

对所述融合决策图进行优化，确定优化后的融合决策图；

根据所述优化后的融合决策图以及所述高频子图像确定融合后的高频子图像；

根据所述低频子图像的绝对值确定融合后的低频子图像；

根据所述融合后的高频子图像以及所述融合后的低频子图像重建融合图像。

2.根据权利要求1所述的微光多源图像融合方法，其特征在于，所述计算所述高频子图像的隶属度函数，并确定图像直觉模糊集合的隶属度、非隶属度以及犹豫度，具体包括：

将所述隶属度函数生成上隶属度以及下隶属度；

根据所述上隶属度以及下隶属度确定图像直觉模糊集合的隶属度、非隶属度以及犹豫度。

3.根据权利要求1所述的微光多源图像融合方法，其特征在于，所述模糊熵为：

E(S_h(i,j))为高频子图像(i，j)处的像素值S_h(i,j)的模糊熵；m为直觉模糊集的隶属度函数；t为直觉模糊集的犹豫度函数；μ_A(S_h(i,j))为高频子图像(i，j)处的像素值S_h(i,j)的隶属度；ν_A(S_h(i,j))为高频子图像(i，j)处的像素值S_h(i,j)的非隶属度。

4.根据权利要求3所述的微光多源图像融合方法，其特征在于，所述融合决策图为：

其中，/为融合决策图(i，j)处的决策值；/为可见光图像A的高频子图像(i，j)处的像素值/的模糊熵；/为红外图像B的高频子图像(i，j)处的像素值/的模糊熵。

5.根据权利要求4所述的微光多源图像融合方法，其特征在于，所述对所述融合决策图进行优化，确定优化后的融合决策图，具体包括：

利用平均滤波去除所述融合决策图中的噪声和突变值，确定优化后的融合决策图。

6.根据权利要求5所述的微光多源图像融合方法，其特征在于，所述融合后的高频子图像为：

其中，/为融合后的高频子图像；FMD为优化后的融合决策图；/为可见光图像A的高频子图像；/为红外图像B的高频子图像。

7.一种微光多源图像融合系统，其特征在于，包括：

拉普拉斯金字塔分解模块，用于对同一场景的微光多源图像进行拉普拉斯金字塔分解，确定高频子图像以及低频子图像；所述微光多源图像包括可见光图像以及红外图像；

隶属度、非隶属度以及犹豫度确定模块，用于计算所述高频子图像的隶属度函数，并确定图像直觉模糊集合的隶属度、非隶属度以及犹豫度；

模糊熵计算模块，用于根据所述隶属度、所述非隶属度以及所述犹豫度，利用等腰三角形模型计算模糊熵；

融合决策图确定模块，用于根据所述模糊熵确定所述高频子图像的融合决策图；

优化模块，用于对所述融合决策图进行优化，确定优化后的融合决策图；

融合后的高频子图像确定模块，用于根据所述优化后的融合决策图以及所述高频子图像确定融合后的高频子图像；

融合后的低频子图像确定模块，用于根据所述低频子图像的绝对值确定融合后的低频子图像；

融合图像重建模块，用于根据所述融合后的高频子图像以及所述融合后的低频子图像重建融合图像。