[發(fā)明專利]一種基于數(shù)學(xué)形態(tài)學(xué)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(shè)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(quán)）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(wù)所(普通合伙) 11311
• 代理人: 田明;任曉航

本發(fā)明涉及一種圖像處理方法，具體涉及一種基于數(shù)學(xué)形態(tài)學(xué)多尺度的微光與紅外圖像融合方法。該方法對源圖像進(jìn)行自底向頂?shù)慕鹱炙謱佑嬎悖恳粚訄D像都是由其前一層圖像經(jīng)過形態(tài)學(xué)濾波之后再進(jìn)行隔行隔列的降采樣而形成。在圖像空間的各個層次上，采用不同的融合策略進(jìn)行融合，最后將各個層次上融合圖像進(jìn)行重構(gòu)，得到最終的融合圖像。本發(fā)明既可較好地保持紅外圖像目標(biāo)的邊緣和熱輻射特征，又能較好地保留可見光圖像的場景細(xì)節(jié)，能夠從源圖像上提取更多的有用信息并注入到融合圖像中，增加了融合圖像的信息量，并能夠有效去除圖像中的噪聲，是一種可行的、效果良好的圖像融合方法。

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像處理方法，具體涉及一種基于數(shù)學(xué)形態(tài)學(xué)多尺度的微光與紅外圖像融合方法。

背景技術(shù)

微光成像和熱成像是目前低照度成像的兩種主要技術(shù)手段。熱紅外圖像是輻射成像，對比度高、探測距離遠(yuǎn)，不受環(huán)境、燈光、樹木遮擋等影響，但是分辨率低，刻畫細(xì)節(jié)能力有限；微光成像是反射成像，圖像風(fēng)格符合人眼的觀測習(xí)慣，圖像細(xì)節(jié)豐富，但是受天氣、光源、煙霧等因素的影響極大，成像不穩(wěn)定。兩種成像方式各有優(yōu)劣，成像效果差強人意。

圖像融合將來自不同圖像傳感器的圖像進(jìn)行合并，得到一個更加完整的圖像或場景，通過對多幅圖像間互補信息的處理來提高圖像的信息量和清晰度。微光圖像與熱紅外圖像融合后，既能體現(xiàn)微光圖像的豐富細(xì)節(jié)，又能看到不同于反射圖像的紅外輻射圖像，從而大幅度提高低照度視頻圖像的觀測能力。

目前主流的圖像融合算法可以分為三類：空間域圖像融合算法、基于金字塔分解的圖像融合方法和基于小波分析的圖像融合方法。

空間域圖像融合算法主要包括加權(quán)平均法、像素值選大/選小法等。其特征是僅在對應(yīng)像素上進(jìn)行操作，優(yōu)點是算法簡單易實現(xiàn)，缺點是當(dāng)融合圖像的灰度差異很大時，融合結(jié)果就會出現(xiàn)明顯的拼接痕跡，不利于人眼識別和后續(xù)的目標(biāo)識別過程。

基于金字塔分解的圖像融合算法的融合過程是在不同尺度、不同空間分辨率和不同分解層上分別進(jìn)行的，金字塔分解使不同層次間的數(shù)據(jù)具有相關(guān)性，經(jīng)金字塔分解后圖像的大小是源圖像的4/3，增加了數(shù)據(jù)量，可能會引入虛假信息。

基于小波變換的圖像融合是對原始圖像進(jìn)行小波變換，將其分解在不同頻段的不同特征域上，然后在不同的特征域內(nèi)進(jìn)行融合，再用小波逆變換得到合成圖像的過程。小波變換具有良好的時域和頻域局部性以及多分辨性，但是小波變換只有水平、垂直、對角3個高頻方向信息，不具有方向異性，無法精確地表達(dá)圖像的邊緣、線性特征。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對現(xiàn)有技術(shù)中存在的缺陷，提供一種基于數(shù)學(xué)形態(tài)學(xué)多尺度的微光與紅外圖像融合方法，將數(shù)學(xué)形態(tài)學(xué)方法與金字塔變換的方法進(jìn)行結(jié)合，實現(xiàn)更佳的圖像融合效果。

本發(fā)明的技術(shù)方案如下：一種基于數(shù)學(xué)形態(tài)學(xué)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(jìn)行形態(tài)學(xué)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(jīng)過形態(tài)學(xué)濾波之后再進(jìn)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(zhì)量綜合指標(biāo)最優(yōu)的原則，采用適當(dāng)?shù)娜诤喜呗赃M(jìn)行圖像融合；

(3)通過融合圖像重構(gòu)，得到最終的微光與紅外融合圖像。

進(jìn)一步，如上所述的基于數(shù)學(xué)形態(tài)學(xué)多尺度的微光與紅外圖像融合方法，步驟(1)中，具體的分層方法如下：

F_L＝[(F_L-1οB)·B]↓2

G_L＝[(G_L-1οB)·B]↓2