[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

说明书

技术领域

本发明涉及计算机图像处理技术，尤其涉及一种基于导向滤波显著性区域提取的多尺度红外可见光图像融合方法。

背景技术

随着传感器技术的发展，不同波段的图像传感器被广泛应用，随之发展的图像融合技术也成为人们研究的热点。多波段图像融合能够将同一场景下不同图像传感器采集的图像进行信息融合，获得信息更为丰富的融合图像，在军事和民用等成像探测领域有着重要的应用。

红外可见光图像融合技术能够将红外图像中的热辐射目标区域信息和可见光图像中的场景细节信息相结合，在融合结果中同时保留两者图像中的特征信息。国内外研究学者提出了很多图像融合算法，主要包括利用多尺度图像分解工具、利用金字塔分解、利用主成分分析以及形态学高帽变换等算法，融合结合具有良好的纹理及对比度特征，提取了可见光和红外图像中重要特征。从融合算法的研究动态来看，如何有效的提取多源图像中的显著性特征信息，实现图像细节信息的精细融合，是红外可见光图像融合算法亟待解决的问题。

发明内容

本发明提出一种基于导向滤波显著区域提取的多尺度图像融合方法，利用非下采样轮廓波变换(NSCT)对输入的红外图像和可见光图像进行多尺度分解，在不同细节尺度图层中，结合基于导向滤波的显著性区域提取方法，开展有效的图像融合，保证了各个图层的多尺度分解图像中视觉显著区域信息的保留，最终通过加权重建得到具有很好视觉增强效果的融合结果。

本发明利用NSCT多尺度图像分解和导向滤波显著性区域提取方法，提出了一种基于导向滤波显著性区域提取的多尺度红外可见光图像融合方法，其主要思路是：

1.利用NSCT多尺度分解工具，实现了有效的多尺度分解，保证了融合信息由粗糙到精细的分层处理，有助于提升融合结果的信息丰富程度。同时，利用加权累加重建，将不同尺度细节图层融合融合结果重建得到最终的融合图像，通过合理的权重值设置能够得到较好的视觉信息增强效果。

2.采用了基于导向滤波的显著性区域提取算法，能够有效提取对应图层的显著区域信息。利用设计的算法得到二值化的显著性区域权重图，作为导向滤波操作的输入图像，该图表征了原始图像中局部标准差较大的边缘和细节丰富区域，使得滤波结果能够反映人眼视觉显著特性。将原始图作为导向滤波操作的导向图，能够得到原始图像中[0,1]连续分布的边缘显著信息，并结合导向模糊参数设置，可以得到由粗糙到精细的不同尺度的显著性图结果，使得各个图层的多尺度分解图像的显著区域信息得到更好的保留。

一种基于导向滤波显著区域提取的多尺度图像融合方法，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，利用非下采样轮廓波分解(NSCT，non-subsampled Contourlet transform)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具有良好的多尺度和时频局部特性，同时也具备各项异性的多方向特性。利用NSCT开展图像多尺度分解，分解后的各图层图像能够较好地保留不同尺度的图像边缘信息，有助于最终效果的提升。同时，该分解方法没有任何下采样操作，每个分解图层都能够保持图像原有的分辨率大小，重建过程没有上采样带来的信息损失。

(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：

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。局部方差较大的图像区域在分布图中具有较大的像素值。

(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：