[发明专利]一种总变分和结构张量的图像融合方法及装置

权利要求书

1.一种总变分和结构张量的图像融合方法，其特征在于，所述方法包括：

获取来自同一场景并进行图像配准的红外图像和可见光图像；

利用红外图像和可见光图像的结构张量获取融合图像的目标梯度场；

利用Soft-Max函数柔化所述目标梯度场的权重；

将融合梯度场放入总变分TV模型的正则项内，以使得融合图像的融合梯度场和目标梯度场接近；

利用分裂Bregman算法求解TV模型得到融合图像；

其中，所述利用红外图像和可见光图像的结构张量获取融合图像的目标梯度场，包括：

对于每一幅源图像I_n(n＝1,2,····,N)及每一个像素元(x,y)，定义一个归一化权重S_n(x,y)，表示在图像I_n点(x,y)附近的显著性指标，可得加权的G矩阵为：

利用合成梯度方向与原各波段梯度方向存在一致性使得合成梯度的方向与各图像的平均梯度方向在同一侧，定义目标梯度场V_f为：

2.根据权利要求1所述的总变分和结构张量的图像融合方法，其特征在于，所述获取来自同一场景并进行图像配准的红外图像和可见光图像，包括：

分别获取同一场景的红外图像和可见光图像；

对红外图像和可见光图像进行特征提取得到特征点，通过进行相似性度量找到匹配的特征点对，通过匹配的特征点对得到图像空间坐标变换参数，由坐标变换参数进行红外图像和可见光图像的图像配准。

3.根据权利要求1所述的总变分和结构张量的图像融合方法，其特征在于，所述利用Soft-Max函数柔化所述目标梯度场的权重，包括：

利用Soft-Max函数构成目标梯度场的梯度权重，表达式如下：

其中h∈(1,2,3,…N)，a为收缩因子，用于控制Soft-Max函数曲线的形状。

4.根据权利要求3所述的总变分和结构张量的图像融合方法，其特征在于，所述将融合梯度场放入总变分TV模型的正则项内，以使得融合图像的融合梯度场和目标梯度场接近，包括：

利用结构张量获取的目标梯度场放入到总变分TV模型的正则项内，约束融合图像的融合梯度场与目标梯度场V_f接近，表达式如下：

在数据保真项内加入权重函数，用于表达源图像对融合图像的贡献程度，表达式如下：

其中f代表融合图像，i代表红外图像，v代表可见光图像，α与β是两个非负权重函数，定义权重函数的表达式为：

其中F(x,y)表示两种源图像中像素(x,y)的强度值，p表示像素强度，M_p表示其强度等于p的像素的数量，并且L是灰度级的数量。