[发明专利]基于柯西模糊函数的红外与弱可见光图像融合方法

权利要求书

1.基于柯西模糊函数的红外与弱可见光图像融合方法，其特征是，具体包括步骤如下：

步骤1、利用引导滤波对弱可见光图像进行分解，得到图像的基础层和细节层；再利用比例因子进行动态范围压缩和利用恢复因子来恢复整体对比度，得到增强后的弱可见光图像；

步骤2、采用非下采样剪切波变换分别对红外图像和增强后的弱可见光图像进行多尺度分解，分别得到红外图像和增强后的弱可见光图像的低频分量与高频分量；

步骤3、利用直觉模糊集构建柯西隶属函数对红外图像和增强后的弱可见光图像的低频分量进行融合，得到融合之后的低频分量；

步骤4、利用自适应的双通道脉冲发放皮层模型对红外图像和增强后的弱可见光图像的高频分量进行融合，得到融合之后的高频分量；

步骤4.1、将红外图像和增强后的弱可见光图像高频分量的改进的拉普拉斯能量和分别作为自适应双通道脉冲发放皮层模型的2个通道的反馈输入，去激活自适应双通道脉冲发放皮层模型的各个神经元；

步骤4.2、在激活自适应双通道脉冲发放皮层模型的各个神经元的过程中，利用像素点的平均梯度去调整自适应双通道脉冲发放皮层模型的2个通道的链接强度系数，以调整自适应双通道脉冲发放皮层模型的内部活动项中链接通道的权重，并将2个通道中神经元的内部活动项较大的那个通道即视为自适应双通道脉冲发放皮层模型的自适应选择通道，该自适应选择通道的神经元内部活动项和链接输入即为所需的神经元内部活动项和链接输入；

步骤4.3、根据步骤4.2所得到的神经元内部活动项和链接输入去确定融合图像的高频分量；其中融合图像的高频分量High(i,j)为：

式中，(i,j)表示像素空间位置，High_IR(i,j)为红外图像的高频分量，High_I(i,j)为增强后的弱可见光图像的高频分量，F_IR(i,j)为红外图像高频分量的改进的拉普拉斯能量和，F_I(i,j)为增强后弱可见光图像高频分量的改进的拉普拉斯能量和，β_IR(i,j)为红外图像的链接强度系数，β_I(i,j)为增强后弱可见光图像的链接强度系数，U(i,j)为神经元的内部活动项，L(i,j)为链接输入；

步骤5、对经过步骤3融合得到的低频分量和经过步骤4融合得到的高频分量，利用非下采样剪切波逆变换进行重构，得到最终融合图像。

2.权利要求1所述基于柯西模糊函数的红外与弱可见光图像融合方法，其特征是，步骤1中，增强后的弱可见光图像I为：

式中，β为比例因子，γ为恢复因子，T为目标基础对比度，为基础层，为细节层。

3.权利要求1所述基于柯西模糊函数的红外与弱可见光图像融合方法，其特征是，步骤3的具体步骤为：

步骤3.1、利用柯西模糊函数来构建红外图像的隶属函数和非隶属函数；

步骤3.2、根据直觉模糊集概念，得出犹豫度；其中犹豫度π(i,j)为：

π(i,j)＝1-X_IR(i,j)-Y_IR(i,j)

步骤3.3、对犹豫度采取加权平均的方式进行分配，分别得到红外图像和增强后的弱可见光图像的低频分量权值系数；其中

红外图像的低频分量权值系数X(i,j)为：

增强后的弱可见光图像的低频分量权值系数Y(i,j)为：

步骤3.4、根据红外图像和增强后的弱可见光图像在融合过程中的互补关系，得到融合之后的低频分量；其中融合得到的低频分量Low(i,j)为：

Low(i,j)＝X(i,j)Low_IR(i,j)+Y(i,j)Low_I(i,j)

式中，Low_IR(i,j)为红外图像的低频分量，Low_I(i,j)为增强后的弱可见光图像的低频分量，X_IR(i,j)为隶属函数，Y_IR(i,j)为非隶属函数。