[發明專利]一種紅外圖像與可見光圖像融合方法、裝置及存儲介質

有效

• 申請號: 201910579632.0
• 申請日: 2019-06-28
• 公開（公告）號: CN110349117B
• 公開（公告）日: 2023-02-28
• 發明（設計）人: 馮鑫;胡開群;袁毅;陳希瑞;張建華;翟治芬
• 申請（專利權）人: 重慶工商大學
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 趙秀斌

1.一種紅外圖像與可見光圖像融合方法，其特征在于，包括如下步驟：

對紅外圖像和可見光圖像進行差分計算，得到紅外與可見光差分圖像；所述對紅外圖像和可見光圖像進行差分計算的過程包括：

根據差分公式對紅外圖像和可見光圖像進行差分計算，所述差分公式為：

I_dif＝I_inf-I_vis，

其中，I_dif表示為紅外與可見光差分圖像，I_inf表示為紅外圖像，I_vis表示為可見光圖像；

根據全變分模型分別對所述紅外圖像、所述可見光圖像及所述紅外與可見光差分圖像進行分解計算，分別得到紅外圖像卡通紋理分量成分、可見光圖像卡通紋理分量成分以及差分圖像卡通紋理分量成分；所述根據全變分模型分別對所述紅外圖像、所述可見光圖像及所述紅外與可見光差分圖像進行分解計算的過程包括：

在對所述紅外圖像進行分解計算時，根據全變分模型中的全變分問題將所述紅外圖像定義為：

I_inf＝T_inf+C_inf，

其中，I_inf表示紅外圖像，T_inf表示紅外光圖像紋理分量成分，C_inf表示紅外光圖像卡通分量成分，

在對所述可見光圖像進行分解計算時，根據全變分模型中的全變分問題將所述可見光圖像定義為：

I_vis＝T_vis+C_vis，

其中，I_vis表示可見光圖像，T_vis表示可見光差分圖像紋理分量成分，C_vis表示可見光差分圖像卡通分量成分，

在對所述紅外與可見光差分圖像進行分解計算時，根據全變分模型中的全變分問題將所述紅外與可見光差分圖像定義為：

I_dif＝T_dif+C_dif，

其中，I_dif表示紅外與可見光差分圖像，T_dif表示紅外與可見光差分圖像紋理分量成分，C_dif表示紅外與可見光差分圖像卡通分量成分；

所述全變分模型為TV-l₁模型，在對所述紅外圖像進行分解計算時,根據所述TV-l₁模型計算所述紅外圖像對應的最小化函數，所述紅外圖像對應的最小化函數式表示為第一式，所述第一式為：

其中，第一式的解為紅外光圖像卡通分量成分，表示為紅外光圖像卡通分量成分的全變分正則化項，λ||I_inf-C_inf||₁dΩ表示為保真項，λ表示正則化參數，Ω表示二維圖像，

在對所述可見光圖像進行分解計算時,根據所述TV-l₁模型計算所述紅外圖像對應的最小化函數，所述可見光圖像對應的最小化函數式表示為第二式，所述第二式為：

其中，第二式的解為可見光圖像卡通分量成分，表示為可見光圖像卡通分量成分的全變分正則化項，λ||I_vis-C_vis||₁dΩ表示為保真項，λ表示正則化參數，

在對所述紅外與可見光差分圖像進行分解計算時,根據所述TV-l₁模型計算所述紅外圖像對應的最小化函數，所述紅外與可見光差分圖像最小化函數式表示為第三式，所述第三式為：

其中，第三式的解為紅外與可見光圖像卡通分量成分，表示為紅外與可見光圖像卡通分量成分的全變分正則化項，λ||I_dif-C_dif||₁dΩ表示為保真項，λ表示正則化參數；

在對所述紅外圖像進行分解計算時，根據第四公式對紅外光圖像紋理分量成分進行計算，所述第四公式為：

T_inf＝I_inf-C_inf，

在對所述可見光圖像進行分解計算時，根據第五公式對可見光圖像紋理分量成分進行計算，所述第五公式為：

T_vis＝I_vis-C_vis，

在對所述紅外與可見光差分圖像進行分解計算時，根據第六公式對紅外與可見光差分圖像紋理分量成分進行計算，所述第六公式為：

T_dif＝I_dif-C_dif；

根據梯度下降法分別對紅外圖像的最小化函數式、可見光圖像的最小化函數式以及紅外與可見光差分圖像的最小化函數式的優化問題求解：

其中，(i,j)表示所述紅外光圖像或所述可見光圖像或所述紅外與可見光差分圖像中像素點的位置，參數和分別表示向前與向后的差異，表示梯度大小，n為迭代次數，Δm與Δn為圖像網格上的距離，Δt表示時間變化量，ε設置為極小值，表示ij位置處第n次迭代時梯度大小，與分別為兩坐標方向上前向差異，為兩坐標方向上后向差異，I_ij表示ij位置處像素值；

構建狼群優化迭代算法的適應度函數；

根據所述狼群優化迭代算法和構建的適應度函數在所述紅外圖像卡通紋理分量成分、所述可見光圖像卡通紋理分量成分以及所述差分圖像卡通紋理分量成分中確定權重項和對應的權重系數，作為融合圖像分量成分的權重項和權重系數，所述融合圖像為所述紅外圖像和所述可見光圖像相結合得到的圖像；

根據確定的權重項和權重系數進行加權計算，得到所述融合圖像。