[發明專利]基于Framelet框架的紅外與可見光圖像融合方法

有效

• 申請號: 202010520064.X
• 申請日: 2020-06-09
• 公開（公告）號: CN111680752B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 馮鑫;胡開群;杜彥斌;婁熙承;張建華;翟治芬
• 申請（專利權）人: 重慶工商大學
• 主分類號: G06V10/80
• 分類號: G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶強大凱創專利代理事務所(普通合伙) 50217
• 代理人: 蒙捷

1.基于Framelet框架的紅外與可見光圖像融合方法，其特征在于：包括以下內容：

S100：采用Framelet變換對紅外圖像以及可見光圖像進行分解，得到紅外圖像的高頻子帶和低頻子帶以及可見光圖像的高頻子帶和低頻子帶；

S200：對紅外圖像和可見光圖像的高頻子帶采用卷積稀疏表示進行系數分解，得到紅外圖像與可見光圖像的基本層和細節層；分別采用活動測度水平取大和加權平均規則進行細節層和基本層的融合；

S300：對紅外圖像以及可見光圖像的低頻子帶定義ISR算子進行融合；

S400：對融合后的高頻子帶系數和低頻子帶系數采用Framelet反變換，獲取最終的融合結果；

所述S300中，采用由信息熵、標準差和范圍濾波器構建的ISR混合算子對低頻子帶進行融合；

所述S100具體包括：

分別對圖像I₁和I₂進行l尺度的Framelet變換，得到紅外圖像與可見光圖像的低頻分量和以及紅外圖像與可見光圖像的高頻分量和圖像I₁和I₂分別表示紅外圖像與可見光圖像；θ₁＝{LL}；θ₂∈{LH₁,LH₂,H₁L,H₁H₁,H₁H₂,H₂L,H₂H,H₂H₂}，為不同尺度的小波函數；

所述S300包括：

S301：基于信息熵、標準差和范圍濾波器建立紅外圖像與可見光圖像經過Framelet變換分解所得高頻系數的相應評價指標和

構建ISR復合算子：

其中，α為復合描述子因子，WIE表示信息熵，WSD表示標準差，WR表示范圍濾波器，和為：

得到紅外圖像與可見光圖像對應的復合算子和

所述S300還包括：

S302：根據S301得到的復合算子和設置融合規則為：

所述S200具體包括：

S201：基于MOD-like字典學習方法進行字典學習；

S202：建立卷積稀疏表示模型，得到相應系數的細節層和基本層；

S203：采用卷積稀疏表示系數活動水平取大規則進行細節層融合；

S204：采用卷積稀疏表示系數加權平均的規則進行基本層融合；

所述S201具體包括：

采用以下公式定義MOD-like模型的字典學習方法：

約束條件：

||x_t||₀≤τ,t＝1,2,...,k

其中，τ表示X的每列中采用的最大非零系數數量，Y為數據集矩陣，Y∈R^sk×I，D為字典矩陣，D∈R^sk×(k+1)M，X為系數矩陣，X∈R^(k+1)M×I，按照公式：

計算數據集矩陣、字典矩陣以及系數矩陣，其中，Y_k∈R^s×I表示來自第k張的尺寸為s的I圖像，D∈R^s×M為一個過度完整的字典，且sM。