[发明专利]一种基于导向滤波显著区域提取的多尺度图像融合方法

权利要求书

1.一种基于导向滤波显著区域提取的多尺度图像融合方法，其特征在于，该方法具体包括如下步骤：

(1)利用非下采样轮廓波变换开展多尺度图像分解；

输入同一成像场景的可见光图像f和红外图像g，分别对其实施多尺度图像分解，利用NSCT分解得到不同细节尺度的分解图层，其过程表示如下：

f_i＝Multi_NSCT(f,i)(1)

g_i＝Multi_NSCT(g,i)(2)

其中，i＝1,2...N，N表示NSCT的分解层数；Multi_NSCT表示利用NSCT的图像多尺度分解框架；f_i和g_i分别表示对应尺度的可见光和红外细节图层；NSCT即非下采样轮廓波分解；

(2)局部标准差分布图计算；

对于步骤(1)得到的各图层分解图像，采用局部窗口遍历方法，计算得到局部标准差分布图，过程表示如下：

Sfi=LocalStd(fi,W)---(3)]]>

Sgi=LocalStd(gi,W)---(4)]]>

其中，W为大小为T×T的局部窗口，LocalStd为局部窗口图像标准差计算操作，和分别为可见光和红外对应图层的局部标准差分布图；

(3)二值化显著性权重图获取；

对于步骤(2)得到的局部标准差分布图，通过同一图层的红外和可见光标准差分布图比较，并结合图像闭操作，得到二值化的显著性权重图，过程表示如下：

Pfikk∈Sfi=1,if Sfik=max(Sfik,Sgik)0,else---(5)]]>

Pgikk∈Sgi=1,if Sgik=max(Sfik,Sgik)0,else---(6)]]>

其中，和分别为可见光和红外图对应图层在像素k处的像素值；随后，应用图像形态学中的闭操作，得到最终的二值化的显著性权重图：

Pfi=imclose(Pfik)---(7)]]>

Pgi=imclose(Pgik)---(8)]]>

其中，imclose()为图像形态学处理中的闭操作，和分别为得到的对应图层的二值化显著性权重图；

(4)基于导向滤波的显著性区域图提取；

对于步骤(3)得到的二值化显著性权重图，利用导向滤波得到显著性区域提取的结果，其过程表示为：

Mapfi=GF(Pfi,f,ri,μi)---(9)]]>

Mapgi=GF(Pgi,g,ri,μi)---(10)]]> 1

其中，GF()表示导向滤波操作，和为导向滤波处理过程中的输入图像，f和g为导向滤波处理过程中的导向图，r_i和μ_i分别为对应图层的导向滤波器尺寸和模糊程度，和分别为可见光和红外对应图层的显著性区域提取结果；

(5)结合显著性区域提取的图像融合

利用步骤(4)得到的显著性区域图提取结果，在各尺度图层上开展图像融合处理，使得融合结果能够更好地保留不同图像中的显著区域细节信息，具体表示如下：

Mi=[fi×Mapfi+gi×(1-Mapfi)]+[fi×(1-Mapgi)+gi×Mapgi)]2,(i=1,2...N)---(11)]]>

其中，M_i表示各图层的融合结果；

(6)融合图像加权重建

对于步骤(5)得到的各图层融合结果，利用加权累加重建得到最终的融合结果，融合图像加权重建过程表示如下：

Mfusion=Σi=1NλiMi---(12)]]>

其中，λ_i为各图层融合结果重建权重值，M_fusion为最终的可见光红外融合结果，通过设置合理的权重值来得到信息增强的融合图像结果。