[發(fā)明專利]一種基于數學形態(tài)學多尺度的微光與紅外圖像融合方法

有效

• 申請?zhí)枺?/td>: 201710717274.6
• 申請日: 2017-08-21
• 公開（公告）號: CN107705274B
• 公開（公告）日: 2022-04-19
• 發(fā)明（設計）人: 朱彥偉;馮林方;伍四清;蘆杉;雷蕊平;孫曉靜;劉炫;閆敏;姚正綱;章小強;李凱陽;肖真霞
• 申請（專利權）人: 中國核電工程有限公司
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 北京天悅專利代理事務所(普通合伙) 11311
• 代理人: 田明;任曉航

1.一種基于數學形態(tài)學多尺度的微光與紅外圖像融合方法，包括如下步驟：

(1)對微光圖像和紅外圖像進行形態(tài)學金字塔多尺度分層，得到一系列不同分辨率的微光子圖像集合和紅外子圖像集合，每一層圖像都是由其前一層圖像經過形態(tài)學濾波之后再進行隔行隔列的降采樣而形成；

(2)針對分層后的微光子圖像和紅外子圖像，在圖像空間的各個層次上，基于圖像質量綜合指標最優(yōu)的原則，采用適當的融合策略進行圖像融合，具體方法如下：

設定一個關于融合圖像信息熵SH、平均梯度TD和扭曲程度NQ的目標函數f，

當i＝1時，SH₁,TD₁,NQ₁分別表示采用加權融合法時，融合圖像的信息熵、平均梯度和扭曲程度；

當i＝2時，SH₂,TD₂,NQ₂分別表示采用像素值選大法時，融合圖像的信息熵、平均梯度和扭曲程度；

當i＝3時，SH₃,TD₃,NQ3分別表示采用像素值選小法時，融合圖像的信息熵、平均梯度和扭曲程度；

max(SH)，max(TD)，max(NQ)分別表示當i＝1,2,3，SH_i，TD_i，NQ_i的最大值；

k₁,k₂,k₃為權重系數，且k₁+k₂+k₃＝1，可根據圖像融合指標的重要程度進行k₁,k₂,k₃數值調節(jié)；

對同一尺度層級上的微光子圖像和紅外子圖像分別采用加權融合法、像素值選大法和像素值選小法進行圖像融合，取使目標函數值最大的圖像融合算法作為該尺度層級上的最終選用的圖像融合算法，按照此方法得到不同層級尺度上的融合圖像S₀,S₁,S₂,....S_N；

(3)通過融合圖像重構，得到最終的微光與紅外融合圖像。

2.如權利要求1所述的基于數學形態(tài)學多尺度的微光與紅外圖像融合方法，其特征在于：步驟(1)中，具體的分層方法如下：

F_L＝[(F_L-1oB)·B]↓2

G_L＝[(G_L-1oB)·B]↓2

F_L表示微光圖像第L層，1≤L≤N，N表示最大層級，F_N即最頂層；

F₀表示原始微光圖像并將其作為形態(tài)學金字塔的第0層，即最底層；

G_L表示紅外圖像第L層，1≤L≤N，N表示最大層級，G_N即最頂層；

G₀表示原始紅外圖像并將其作為形態(tài)學金字塔的第0層，即最底層；

o表示形態(tài)學中的開運算，·表示形態(tài)學中的閉運算；

B是結構元素，根據原始圖像的幾何形狀與尺寸進行選擇；

↓2表示對圖像進行隔行隔列降采樣。

3.如權利要求1或2所述的基于數學形態(tài)學多尺度的微光與紅外圖像融合方法，其特征在于：步驟(1)中分解得到的微光子圖像和紅外子圖像的尺度層級數相同。

4.如權利要求1或2所述的基于數學形態(tài)學多尺度的微光與紅外圖像融合方法，其特征在于：步驟(1)在微光子圖像集合和紅外子圖像集合中各自組成形態(tài)學金字塔，下一級圖像的大小為上一級圖像大小的1/4，此處圖像大小是指的像素數。

5.如權利要求4所述的基于數學形態(tài)學多尺度的微光與紅外圖像融合方法，其特征在于：步驟(3)中融合圖像重構采用如下公式進行：

將形態(tài)學金字塔R_L+1利用內插值方法進行放大，得到放大圖像R′_L+1,使得R′_L+1的尺寸大小與R_L相同，R_L為第L級尺度上融合重構圖像，內插值的方法為：

其中，u,v為R_L的尺寸大小；

將內插值放大圖像R′_L+1采用下式的形態(tài)膨脹運算進行濾波，得到圖像

其中為形態(tài)學的膨脹運算，B′為結構元素，根據原始圖像的幾何形狀與尺寸進行選擇；

從形態(tài)學金字塔的最頂層逐層向下遞推，進行重構以獲取最終的融合圖像R₀。