[发明专利]一种基于互补关系的红外偏振与光强图像多算法2D-VMD内嵌式融合方法

摘要

本发明属于红外图像融合领域，具体为一种基于互补关系的红外偏振与光强图像多算法2D‑VMD内嵌式融合方法。首先，采用灰度均值和局部标准差提取融合图像与红外偏振图像差值图和红外光强图像亮度和轮廓特征，采用Canny算子和能量拉普拉斯算子提取融合图像与红外光强图像差值图和红外偏振图像边缘和细节特征；其次，构建基于特征相似性的算法融合性能评价指标；接着，根据不同算法融合性能评价指标值，确定算法间互补关系；然后，根据红外偏振与光强图像特征，确定MSGT和NSST间内嵌顺序，获得高频特征融合图像；最后采用2D‑VMD实现低频特征融合图像和高频特征融合图像最终结合，获得最终融合图像。本发明用于但不限于红外图像融合领域。

主权项

一种基于互补关系的红外偏振与光强图像多算法2D‑VMD内嵌式融合方法，其特征在于包括以下步骤：S1：选取能量加权、PCA、MSGT、NSST、NSCT和DWCT融合算法，融合红外偏振与光强图像，通过各个融合方法分别得到一个融合图像；分别计算各个融合图像与红外偏振图像和红外光强图像差值图；DI＝F‑P，DP＝F‑I，式中F为融合图像，I为红外光强图像，P为红外偏振图像，DI为F与P的差值图，DP为F与I的差值图,采用灰度均值和局部标准差分别描述DI和I的亮度特征和轮廓特征；利用Canny算子和局部能量拉普拉斯算子分别描述DP和P的边缘特征和细节特征；S2：计算S1中各融合算法亮度特征相似性指标、轮廓特征相似性指标、边缘特征相似性指标和细节特征相似性指标，根据算法融合性能评价指标值，确定算法间互补关系，选择基于能量加权的算法融合图像间亮度差异特征，获得低频特征融合图像；选择MSGT融合图像间边缘、轮廓差异特征；选择NSST融合图像细节差异特征；S3：根据红外偏振与光强图像的特征，确定MSGT和NSST内嵌顺序，获得高频特征融合图像；S4：利用2D‑VMD将低频特征融合图像和高频特征融合图像相结合，获得最终融合图像。