[發(fā)明專利]基于相位一致性和目標(biāo)增強(qiáng)的紅外和可見光圖像融合方法

有效

• 申請?zhí)枺?/td>: 202010180560.5
• 申請日: 2020-03-16
• 公開（公告）號: CN111462028B
• 公開（公告）日: 2023-06-27
• 發(fā)明（設(shè)計）人: 伍康樂;陳珺;羅林波;龔文平;宋俊磊;陳小強(qiáng);魏龍生
• 申請（專利權(quán)）人: 中國地質(zhì)大學(xué)（武漢）
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 武漢知產(chǎn)時代知識產(chǎn)權(quán)代理有限公司 42238
• 代理人: 易濱

1.一種基于相位一致性和目標(biāo)增強(qiáng)的紅外和可見光圖像融合方法，其特征在于：包括以下步驟：

S101：使用拉普拉斯金字塔把輸入圖像進(jìn)行多尺度分解得到輸入圖像的高頻子帶和低頻子帶；

S102：對于高頻子帶：利用根據(jù)相位一致性提取的特征圖建立權(quán)重矩陣，從而得到高頻融合圖像；

S103：對于低頻子帶：首先利用低頻子帶建立初始的權(quán)重矩陣，然后在紅外圖像低頻權(quán)重矩陣中加入由低頻子帶特征圖計算出的修正項，得出最終的權(quán)重矩陣，從而得出低頻融合圖像；

S104：通過拉普拉斯金字塔逆變換將所述高頻融合圖像和所述低頻融合圖像重構(gòu)得出重構(gòu)的融合圖像；

步驟S101中，所述的輸入圖像包括：同一目標(biāo)場景獲取的紅外圖像和可見光圖像；

步驟S101中，使用拉普拉斯金字塔把輸入圖像進(jìn)行多尺度分解得到輸入圖像的高頻子帶和低頻子帶，如公式(1)所示：

[B_n,D_n]＝lp_dec(I_n)?(1)上式中，n＝1,2分別代表紅外圖像和可見光圖像：B₁和D₁分別表示紅外圖像的低頻子帶和高頻子帶，B₂和D₂分別表示可見光圖像的低頻子帶和高頻子帶，I₁和I₂分別表示紅外圖像和可見光圖像；

所述的紅外圖像和可見光圖像提前經(jīng)過嚴(yán)格的配準(zhǔn)且圖片大小嚴(yán)格一致；

步驟S102中，對于高頻子帶：利用根據(jù)相位一致性提取的特征圖建立權(quán)重矩陣，從而得到高頻融合圖像；具體包括：

S201：利用相位一致性提取紅外圖像的特征圖P₁和可見光圖像的特征圖P₂；

S202：分別對P₁和P₂使用“absolute?max”原則構(gòu)造P₁和P₂對應(yīng)的權(quán)重矩陣W₁和W₂，以保留目標(biāo)的顯著性；

S203：結(jié)合高頻子帶D₁和D₂融合得到高頻融合圖像D，具體如公式(2)所示：

D＝W₁.*D₁+W₂.*D₂?(2)；

步驟S103中，對于低頻子帶：首先利用低頻子帶建立初始的權(quán)重矩陣，然后在紅外圖像低頻權(quán)重矩陣中加入由低頻子帶特征圖計算出的修正項，得出最終的權(quán)重矩陣，從而得出低頻融合圖像；具體包括：

S301：利用低頻子帶B₁和B₂分別建立紅外圖像和可見光圖像初始的權(quán)重矩陣W₁₁和W₂₂，具體由如公式(3)所示：

S302：把紅外圖像的低頻子帶的權(quán)重矩陣W₁₁和由低頻子帶特征圖計算出的修正項ΔP相加，得到最終的紅外圖像的低頻子帶權(quán)重矩陣W_1'，可見光圖像的低頻子帶權(quán)重矩陣W_2'保持不變；W_1'、W_2'由公式(4)得出：

上式中，λ為抑制系數(shù)，為預(yù)設(shè)值；

303：通過公式(5)得到低頻融合圖像B：

B＝W_1'.*B₁+W_2'.*B₂?(5)。

2.如權(quán)利要求1所述的一種基于相位一致性和目標(biāo)增強(qiáng)的紅外和可見光圖像融合方法，其特征在于：步驟S104中，將高頻融合圖像D和低頻融合圖像B進(jìn)行像素級的相加，確保與輸入圖像大小相同，即可得到重構(gòu)的融合圖像。