[發明專利]基于高斯濾波加權的紅外和可見光圖像融合方法

在審

• 申請號: 201910093445.1
• 申請日: 2019-01-30
• 公開（公告）號: CN109919884A
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 王健;楊珂;秦春霞;任萍
• 申請（專利權）人: 西北工業大學;西安愛生技術集團公司
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T5/00;G06T7/13
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 劉新瓊

1.一種基于高斯濾波加權的紅外和可見光圖像融合方法，其特征在于步驟如下：

步驟1：高斯平滑濾波器對源圖像進行分解

利用高斯平滑濾波器將源圖像分解得到低頻分量，高頻分量通過源圖像減去低頻分量獲得，如下式：

式中：I_n為源圖像，為源圖像的低頻分量，為源圖像的高頻分量，G_r,σ表示方差為σ，大小為(2r+1)×(2r+1)高斯平滑濾波器；

步驟2：決策值的度量，多視覺特征加權映射圖構造

由于圖像對比度、清晰度、結構信息是可見光和紅外圖像融合圖像視覺質量的三個重要特征，分別構造對比度、清晰度和結構顯著性加權映射圖：

(a).對比度加權映射圖

利用局部對比度和高斯平滑濾波器構建對比度加權映射圖，以此表征相應圖像的局部特征，對比度顯著圖定義如下式：

式中：*為卷積符號，ω(j,k)為3×3窗口的權值，i和j表示某一個像素點在局部窗口中的位置坐標，為以(x,y)為中心的3×3窗口的均值，G_r,σ為(2r+1)×(2r+1)窗口的高斯平滑濾波器，那么，對比度加權映射圖定義如下：

式中：N為輸入圖像的像素數，為像素數為k時的對比度顯著值，n為輸入圖像的個數；

(b).清晰度加權映射圖

清晰度顯著圖反映圖像的邊緣突變和清晰度信息，清晰度顯著圖定義如下：

式中：ω(i,j)為3×3窗口的權值，ML為改進的拉普拉斯分量，那么，清晰度加權映射圖定義如下：

式中：N為輸入圖像的像素數，為像素數為k時的清晰度顯著值，n為輸入圖像的個數；

(c).結構顯著性加權映射圖

根據高斯濾波器可有效表征圖像的局部結構信息特性，設計的高斯濾波器加權的局部梯度協方差矩陣如下：

式中：I_x(X)和I_y(X)表示X＝(x,y)沿x和y方向的梯度，*為卷積符號，G_σ為方差為σ的高斯濾波器，為了獲得局部圖像結構的表示信息，對矩陣C進行分解求得其特征值分別為和并構造圖像結構顯著圖定義如下:

為表征融合圖像的邊緣和紋理特征，這里α＝0.5；

圖像結構顯著性加權映射圖定義如下：

式中：N為輸入圖像的像素數，表示像素數為k時對比度顯著值，n為輸入圖像的個數；

(d).基于快速引導濾波器加權映射圖構造

引入快速引導濾波器應用于每個視覺特征加權映射圖D_1,n，D_2,n，和D_3,n中，源圖像I_n作為引導圖像生成最終的加權圖構造如下：

式中：r₁，ε₁，r₂，ε₂分別為快速加權引導濾波器的參數；和分別為低頻分量和高頻分量的加權圖，m＝(1,2,3)；

(e).總的加權映射圖

采用加權映射圖和以表征與源圖像I_n相對應總的加權圖：

式中：和分別為低頻分量和高頻分量總的加權圖，λ為0～1之間的一個參數；

步驟3：兩尺度圖像重構

將紅外和可見光圖像的低頻分量和高頻分量分別通過加權求和方式進行融合得到各自的融合分量，如下式：

融合后的低頻分量和高頻分量進行重構得到融合后的圖像，則