[发明专利]一种基于目标特征驱动的智能图像融合方法

说明书

本发明涉及一种基于目标特征驱动的智能图像融合方法，首先，基于显著性检测分割得到红外图像中的显著性目标区域；然后构造图像特征集合与融合算法集合，并利用模糊数学的原理和方法分析两者之间的模糊映射关系；最后，在NSCT分解框架下，利用目标区域特征驱动目标区域融合，对背景区域选择保留更多可见光信息的低频可见光、高频绝对值取大的策略，进行逆NSCT变换实现最终图像融合。本方法能够在自适应地选择目标区域的最优融合方式，在极大程度地保持目标特性，更多地保留图像的背景细节信息，解决了信息丢失，目标不完整，背景模糊等多方面的缺陷，融合图像呈现出高对比度、高细节信息、目标高亮等特点，具有较好的视觉效果。

技术领域

本发明属于红外与可见光图像融合方法，涉及一种基于目标特征驱动的智能图像融合方法，将模糊数学中的模糊控制决策理论应用到异源图像融合领域，发明成果可 应用于各类军事或民用异源图像处理系统中。

背景技术

图像融合是把同一场景下多源、多时相、多分辨率的几幅图像合成一幅图像的过程，融合后图像包含所有输入图像中人们感兴趣的信息。通过对多幅图像的融合，能 够克服单一传感器图像在几何、光谱或空间分辨率等方面的局限性使得最终获得的图 像信息更精确和全面。因此，图像融合技术在空间监测、军事侦察、视频监控和遥感 探测等领域均有重要的现实意义。

红外与可见光图像融合是图像融合领域的一个重要分支。红外图像呈现出整体灰度分布低且集中、信噪比较低等特点，往往反映的不是真实场景。其利用物体的热辐 射特性获取信息，图像中的目标往往呈现出高亮的特点；可见光图像作为反射图像， 能够提供丰富的细节信息，且图像整体清晰度高。但在恶劣天气条件或夜晚等光照条 件差的情况下，可见光的成像结果会受到极大的影响。单一的图像传感器不能保证同 时获得目标与背景的有用信息。通过利用红外与可见光图像融合，充分利用两类图像 的互补信息，可以有效地综合并挖掘图像信息，更利于场景理解与目标探测。目前， 红外与可见光图像融合技术已被广泛应用于军事、监控、检测识别等领域。红外与可 见光图像融合技术的研究对国民经济发展和国防事业建设具有重大意义。它既有利于 提高我军现代化装备水平，又有助于进一步发展和完善图像融合技术理论体系，同时 对遥感图像、医学图像等融合处理也有着巨大的借鉴意义。

像素级图像融合在图像融合中已经得到了广泛的研究与应用。目前，大多数的图像融合算法主要分为三个阶段，即图像变换、变换系数的融合以及图像逆变换。基于 所采用的图像变换方式，现有的图像融合方法可以分为四大类：基于多尺度分解的方 法；基于稀疏表示的方法；直接对图像像素或在其它变换域进行融合的方法；结合多 尺度分解、稀疏表示和其它变换的方法。其中，多尺度分解由于灵活的空域和频域局 部性、良好的方向性，已经被证明是对图像融合应用非常有用的工具。在早期的研究 中，常用的图像融合大都基于金字塔分解、小波变换、双树复小波变换等，然而，小 波族的一个共有局限是不能很好地表示图像中的曲线和边缘，基于此，contourlet变换、 非下采样轮廓波变换等被成功地提出并得到了广泛的应用。

在多尺度分解框架下，学者们将研究重点放到了对变换系数融合策略的选取上。Zhang和Blum在其论文中回顾了经典的融合策略，如基于像素、基于窗口和基于区域 的活性水平测量，这类方式简单地将图像变换系数进行融合，对图像信息损失较严重； BenHamza等人将图像融合算法作为一个优化问题，提出了多尺度框架下的信息论方 法，并取得了不错的融合结果，但图像中不同区域特性不同，此类方式不能保证对图 像的不同区域均取得理想的融合效果。Gemma Piella首先基于输入图像进行多分辨率 分割，利用分割制单融合过程，取得了较好的效果。但这种方式仍然存在缺陷：基于 人为先验选择的融合策略往往针对单一场景有效，不能适应图像特征的动态变化。

传统的图像融合方法不能依据目标特征差异情况自适应地进行融合，导致融合图像存在目标不清晰，背景模糊的缺点。

发明内容

要解决的技术问题