[發(fā)明專利]基于多尺度低秩矩陣分解的紅外與可見(jiàn)光圖像融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010119950.1
• 申請(qǐng)日: 2020-02-26
• 公開(kāi)（公告）號(hào): CN111462025B
• 公開(kāi)（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 孟祥超;陳潮起;邵楓;符冉迪
• 申請(qǐng)（專利權(quán)）人: 寧波大學(xué)
• 主分類號(hào): G06T5/50
• 分類號(hào): G06T5/50
• 代理公司: 寧波奧圣專利代理有限公司 33226
• 代理人: 周玨

1.一種基于多尺度低秩矩陣分解的紅外與可見(jiàn)光圖像融合方法，其特征在于包括以下步驟：

步驟1：選取同一場(chǎng)景的一幅紅外圖像和一幅可見(jiàn)光圖像，對(duì)應(yīng)記為I_r和I_v；然后分別對(duì)I_r和I_v進(jìn)行預(yù)處理，將預(yù)處理后得到的紅外圖像記為將預(yù)處理后得到的可見(jiàn)光圖像記為其中，I_r和I_v的寬度均為M，I_r和I_v的高度均為N；

步驟2：對(duì)進(jìn)行多尺度低秩矩陣分解，將分解為L(zhǎng)層分解圖像，將的第i層分解圖像記為將中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值記為將中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值記為同樣，對(duì)進(jìn)行多尺度低秩矩陣分解，將分解為L(zhǎng)層分解圖像，將的第i層分解圖像記為將中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值記為將中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值記為其中，L表示多尺度低秩矩陣分解的分解層數(shù)，符號(hào)為向上取整符號(hào)，1≤i≤L，1≤x≤M，1≤y≤N；

步驟3：對(duì)的L層分解圖像和的L層分解圖像針對(duì)性地設(shè)計(jì)最優(yōu)融合權(quán)重，并進(jìn)行融合，具體過(guò)程為：

步驟3_1：將和各自的L層分解圖像分為多層次局部低秩圖和全局低秩圖兩類，再將多層次局部低秩圖分為局部小低秩塊部分和局部大低秩塊部分，當(dāng)L為偶數(shù)時(shí)，局部小低秩塊部分由第1層至第層分解圖像組成，局部大低秩塊部分由第層至第L-1層分解圖像組成，第L層分解圖像為全局低秩圖；當(dāng)L為奇數(shù)時(shí)，局部小低秩塊部分由第1層至第層分解圖像組成，局部大低秩塊部分由第層至第L-1層分解圖像組成，第L層分解圖像為全局低秩圖；

步驟3_2：對(duì)于局部小低秩塊部分，將的局部小低秩塊部分中的每層分解圖像和的局部小低秩塊部分中的每層分解圖像的最優(yōu)融合權(quán)重均設(shè)計(jì)為1；然后根據(jù)的局部小低秩塊部分中的每層分解圖像和的局部小低秩塊部分中對(duì)應(yīng)層分解圖像，獲取對(duì)應(yīng)層融合圖像，當(dāng)?shù)牡趈層分解圖像屬于的局部小低秩塊部分且的第j層分解圖像屬于的局部小低秩塊部分時(shí)，將獲取的第j層融合圖像記為F_j，將F_j中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值記為F_j(x,y)，其中，當(dāng)L為偶數(shù)時(shí)當(dāng)L為奇數(shù)時(shí)1≤x≤M，1≤y≤N，表示中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值；

對(duì)于局部大低秩塊部分，根據(jù)的局部大低秩塊部分中的每層分解圖像和的局部大低秩塊部分中對(duì)應(yīng)層分解圖像，獲取對(duì)應(yīng)層融合圖像，當(dāng)?shù)牡趉層分解圖像屬于的局部大低秩塊部分且的第k層分解圖像屬于的局部大低秩塊部分時(shí)，將獲取的第k層融合圖像記為F_k，將F_k中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值記為F_k(x,y)，其中，當(dāng)L為偶數(shù)時(shí)當(dāng)L為奇數(shù)時(shí)表示的最優(yōu)融合權(quán)重，表示的最優(yōu)融合權(quán)重，W_k表示的初始融合權(quán)重，W_k為最大絕對(duì)值方法權(quán)重系數(shù)，符號(hào)“||”為取絕對(duì)值符號(hào)，符號(hào)為卷積運(yùn)算符號(hào)，G(x,y,σ_s)為高斯濾波器，σ_s表示高斯濾波器的標(biāo)準(zhǔn)差，表示中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值；

對(duì)于全局低秩圖，將的全局低秩圖即第L層分解圖像的最優(yōu)融合權(quán)重設(shè)計(jì)為w_r，將的全局低秩圖即第L層分解圖像的最優(yōu)融合權(quán)重設(shè)計(jì)為w_v；然后根據(jù)的全局低秩圖即第L層分解圖像和的全局低秩圖即第L層分解圖像獲取第L層融合圖像，記為F_L，將F_L中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值記為F_L(x,y)，其中，w_r+w_v＝1，表示中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值；

步驟4：計(jì)算I_r和I_v的最終融合圖像，記為F，將F中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值記為F(x,y)，其中，F(xiàn)_i(x,y)表示第i層融合圖像F_i中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值。

2.根據(jù)權(quán)利要求1所述的一種基于多尺度低秩矩陣分解的紅外與可見(jiàn)光圖像融合方法，其特征在于所述的步驟1中，對(duì)I_r進(jìn)行預(yù)處理的過(guò)程為采用SIFT的特征點(diǎn)提取方法對(duì)I_r進(jìn)行空間幾何配準(zhǔn)，經(jīng)空間幾何配準(zhǔn)后得到的圖像即為預(yù)處理后得到的紅外圖像同樣，對(duì)I_v進(jìn)行預(yù)處理的過(guò)程為采用SIFT的特征點(diǎn)提取方法對(duì)I_v進(jìn)行空間幾何配準(zhǔn)，經(jīng)空間幾何配準(zhǔn)后得到的圖像即為預(yù)處理后得到的可見(jiàn)光圖像