[发明专利]基于显著性检测与改进双通道的自适应融合方法及装置

权利要求书

1.一种基于显著性检测与改进双通道的自适应融合方法，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；

利用非下采样剪切波变换NSST算法对所述红外图像和所述可见光图像进行多尺度分解得到低频子带系数和高频子带系数；

针对低频子带系数采用基于FT算法进行自适应加权融合得到低频融合系数，对高频子带系数采用改进的双通道PCNN模型进行优化处理得到高频融合系数；

利用NSST逆变换重构低频融合系数和高频融合系数得到融合图像。

2.根据权利要求1所述的基于显著性检测与改进双通道的自适应融合方法，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2所述的基于显著性检测与改进双通道的自适应融合方法，其特征在于，所述利用非下采样剪切波变NSST算法对所述红外图像和所述可见光图像进行多尺度分解得到低频子带系数和高频子带系数，包括：

利用非采样剪切变换LNSST分别对所述红外图像和所述可见光图像进行多尺度分解分别形成低频子带系数和高频子带系数其中l是分解层数，k是每层分解方向的数量，(i,j)代表像素元的位置。

4.根据权利要求3所述的基于显著性检测与改进双通道的自适应融合方法，其特征在于，所述针对低频子带系数采用基于FT算法进行自适应加权融合得到低频融合系数，包括：

采用FT算法分别对红外图像和可见光图像进行显著性探测，生成相应的显著图S_IR与S_VI，然后再将两幅图的灰度值进行归一化，分别形成第一加权系数矩阵S₁与第二加权系数矩阵S₂，显著性检测的公式如下：

S(x,y)＝||I_μ-I_whc|| (1)；

利用第一加权系数矩阵S₁与第二加权系数矩阵S₂分别指导基于红外显著性与可见光显著性的自适应加权融合，具体表达式为：

其中C^IR_l,k(i,j)与C^VI_l,k(i,j)分别代表红外图像与可见光图像在(i,j)处的低频子带系数，l是分解层数，k是每层分解方向的数量，C¹_l,k(i,j)与C²_l,k(i,j)分别表示基于红外显著性检测与可见光显著性检测的自适应加权融合系数；

计算两组自适应加权融合系数的区域能量：

其中ω(m,n)代表为以像素(i,j)为中心定义的一个窗口，取3×3窗口，E¹_l,k(i,j)与E²_l,k(i,j)分别代表两组自适应加权融合系数在窗口内的区域能量；

计算两组低频系数的相似性；

其中阈值T的范围在[0.3,0.4]之间，当M^1,2_l,k(i,j)<T时，表明两组系数的相关性差，其中区域能量值大表示该区域包含更丰富的显著性信息，则更大的系数为融合系数，采用如下合并规则：

当M^1,2_l,k(i,j)>T，说明二者重要程度相当：

其中W(i,j)代表系数合并时的权重系数。