[發明專利]一種紅外與可見光圖像融合方法

有效

• 申請號: 202110724273.0
• 申請日: 2021-06-29
• 公開（公告）號: CN113269704B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 李威;李忠民;李士驥
• 申請（專利權）人: 南昌航空大學
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06N3/04
• 代理公司: 南昌豐擇知識產權代理事務所(普通合伙) 36137
• 代理人: 張榮

本發明公開了一種紅外與可見光圖像融合方法，所述方法包括以下步驟，(1)利用多尺度保邊技術(EPF)對圖像進行多層次分解，得到紅外圖像的細節層基礎層BS_A和粗糙層以及可見光圖像的細節層基礎層BS_B，粗糙層(2)細節層和粗糙層利用改進的參數自適應脈沖耦合神經網絡(PA?PCNN)進行融合得到融合后的細節層圖像FSⁱ和粗糙層圖像CSⁱ，基礎層利用顯著性能量融合規則(EA)進行融合得到融合后的基礎層BS_F；(4)對融合后的各尺度圖像求和重構得到融合圖像F。

技術領域

本發明涉及圖像融合技術領域，具體涉及一種紅外與可見光圖像融合方法。

背景技術

紅外和可見光圖像融合是計算機視覺中的重要部分，該技術產生具有魯棒性的單幅圖像，在實際生活需求中能夠提供極大的選擇決策權。紅外圖像可以根據目標物體的熱輻射效應識別出需要辨識的跟蹤目標，并且紅外傳感器能夠全天候工作，基本不受外界環境的干擾；相比之下，可見光圖像在紋理和細節方面有較高的空間識別度，能夠很好地勾勒出目標物體的輪廓框架，符合人體視覺系統感知。因此將這兩種典型的圖像相互結合是很有必要的，為了滿足在方面的生產及工作需求，大量研究人員致力于融合技術的提升，并且嘗試著將其應用于民用和軍用領域，如目標識別、目標跟蹤、遙感等。

一般情況下，圖像融合可以分為三個方面：決策級融合、特征級融合、像素極融合。而現階段，研究和應用最多的是像數級圖像融合，根據不同的融合理論，可以初略的分為幾個方面，如：多尺度融合、基于顯著性特征提取、稀疏變換、神經網絡和其他。總的來說，每個融合算法策略都具有各自的優點和不足，通常情況下，存在以下幾個層面的不足：1.提取圖像特征信息過程過于復雜；2.算法的穩定性不是很好，有人造偽影的現象出現。為了盡可能克服上述兩點，本專利提出了EPF(edge-preserving filtering)域內紅外與可見光融合算法。該算法首先基于EPF技術提取不同尺度信息；其次采用EA(energy attribute)融合策略以及PA-PCNN(parameter adaptive fusion pulse coupled neural network)模型進行多尺度信息融合；最后重構源圖像。

發明內容

本發明所要解決的問題是提供一種紅外與可見光圖像融合方法，本方法實現的圖像融合方法能將紅外與可見光圖像中的優勢信息進行融合，并且適用于以圖像融合為背景下的目標識別系統。

本發明為解決上述問題所提供的技術方案為：一種紅外與可見光圖像融合方法，所述方法包括以下步驟：

(1)、利用多尺度保邊濾波技術(edge-preserving filtering，EPF)對紅外與可見光圖像多尺度分解，得到紅外圖像的細節層基礎層BS_A和粗糙層以及可見光圖像的細節層基礎層BS_B，粗糙層

(2)、對紅外與可見光圖像的細節層圖像以及對應的粗糙層圖像利用參數自適應融合脈沖耦合神經網絡(PA-PCNN)融合得到融合后的細節層圖像與粗糙層圖像

(3)、對紅外與可見光圖像的基礎層BS_A和BS_B利用顯著性能量融合規則(EA)得到融合后的基礎層圖像BS；

(4)、對融合后的細節層圖像粗糙層圖像和基礎層圖像BS求和重構得到融合圖像F。

進一步的，步驟1采用一種新穎的多尺度保邊濾波技術，該技術聯合滑動窗口濾波器和高斯濾波器對輸入圖像進行快速提取各個尺度的不同特征信息。

進一步的，步驟2通過改變PA-PCNN模型的輸入參數值，以局部像素信息值作為輸入點，更加適應于以提取細節信息的PA-PCNN模型。

進一步的，步驟1中EPF域內的多尺度分解具體步驟為：

式(1-3):