[發明專利]基于顯著性檢測與奇異值分解的圖像融合方法及裝置

在審

• 申請號: 201811055335.8
• 申請日: 2018-09-11
• 公開（公告）號: CN109242812A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 程博陽;金龍旭;李國寧
• 申請（專利權）人: 中國科學院長春光學精密機械與物理研究所
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T7/33
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 曹衛良

1.一種基于顯著性檢測與奇異值分解的圖像融合方法，其特征在于，所述方法包括：

獲取來自同一場景并進行圖像配準的紅外圖像和可見光圖像；

利用非下采樣剪切波變換NSST算法對所述紅外圖像和所述可見光圖像進行多尺度分解得到低頻子帶系數和高頻子帶系數；

在雙通道PCNN模型中針對低頻子帶系數采用基于FT算法進行自適應加權融合，并通過局部結構信息因子LSI作為連接強度處理得到低頻融合系數，針對高頻子帶系數采用區域視覺對比度和算子SLVC作為其的外界刺激，梯度奇異值算子GSV作為連接強度處理得到高頻融合系數；

利用NSST逆變換重構低頻融合系數和高頻融合系數得到融合圖像。

2.根據權利要求1所述的基于顯著性檢測與奇異值分解的圖像融合方法，其特征在于，所述獲取來自同一場景并進行圖像配準的紅外圖像和可見光圖像，包括：

分別獲取同一場景的紅外圖像和可見光圖像；

對紅外圖像和可見光圖像進行特征提取得到特征點，通過進行相似性度量找到匹配的特征點對，通過匹配的特征點對得到圖像空間坐標變換參數，由坐標變換參數進行紅外圖像和可見光圖像的圖像配準。

3.根據權利要求2所述的基于顯著性檢測與奇異值分解的圖像融合方法，其特征在于，所述利用非下采樣剪切波變換NSST算法對所述紅外圖像和所述可見光圖像進行多尺度分解得到低頻子帶系數和高頻子帶系數，包括：

利用非采樣剪切變換NSST分別對所述紅外圖像和所述可見光圖像進行多尺度分解分別形成低頻子帶系數和高頻子帶系數其中l是分解層數，k是每層分解方向的數量，(i,j)代表像素元的位置。

4.根據權利要求3所述的基于顯著性檢測與奇異值分解的圖像融合方法，其特征在于，所述在雙通道PCNN模型中針對低頻子帶系數采用基于FT算法進行自適應加權融合，并通過局部結構信息因子LSI作為連接強度處理得到低頻融合系數之前，所述方法還包括：

預先建立雙通道PCNN模型，具體為：

F_ij¹(n)＝I_ij¹(n)； (1)

F_ij²(n)＝I_ij²(n)； (2)

θ_ij(n)＝θ_ij(n-1)-Δ+V_θY_ij(n)； (6)

其中和作為外界刺激直接輸入到接收域，F_ij¹(n)和F_ij²(n)代表對稱的反饋輸入，β_ij¹(n)和β_ij²(n)代表兩幅圖像相應的鏈接強度，信息融合域通過判讀兩幅圖像神經元內部項U_ij的大小，來決定最終輸出的U_ij，T_ij表示每個像素元ij的點火次數。