[发明专利]一种红外与可见光图像融合方法

说明书

本发明公开了一种红外与可见光图像融合方法，属于图像处理技术领域。该方法首先对红外与可见光图像进行预处理像，然后对两幅灰度图像进行子块划分，得到一系列子图像，接下来计算子图像的聚焦测度。利用感知哈希算法计算每一对子图像的“指纹”，并计算每一对子图像的“指纹”的匹配程度。最后根据子图像指纹相似度的不同，采取不同的融合策略进行图像融合。本发明采用感知哈希算法计算子图像相似度，充分考虑了图像不同区域的聚焦程度，有助于准确匹配融合图像的低聚焦区域与高聚焦区域，降低了其他融合方法存在的图像对比度低、细节缺失等问题，提高了融合图像的质量。

技术领域

本发明属于图像处理技术领域，具体涉及一种红外与可见光图像融合方法。

背景技术

红外与可见光图像融合是将红外成像传感器与可见光成像传感器所拍摄到的同一场景的图像进行综合，充分利用红外与可见光两种成像技术的优势和互补性实现对同一场景更准确的描述。红外与可见光成像传感器是两类最常用的成像传感器。红外成像传感器是通过被拍摄目标的热辐射差异来成像的，能够识别出被遮挡的物体，例如隐藏在衣服里的金属物品，具有“透视”作用。红外成像传感器可以在光线条件很差、浓雾天气以及夜间条件下进行拍摄。但红外传感器所生成的图像是灰度图像，并且分辨率不高，无法呈现被拍摄目标的纹理等细节信息。相比之下，可见光成像传感器所获得的图像具有高分辨率，并且具有颜色信息，图像细节信息丰富等优点。但容易受到外界光照、天气因素的影响，对于光线条件很差、浓雾天气以及夜间条件下所拍摄的图像质量很差。

由上述两种类型的成像传感器所获取的红外图像和可见光图像具有信息互补的特性。通过红外图像与可见光图像融合来进一步提高图像的质量、稳定性和可靠性，减少图像的信噪比影响，形成一幅更为全面、准确、可靠的融合图像。红外与可见光图像融合的主要目的是减少由单一成像传感器所获取的图像信息的不确定性，它通过对多幅图像间信息的互补来为后续的决策提供更可靠的信息来源。红外与可见光图像融合技术被广泛地应用于智慧城市、医学影像、军事安全和遥感等诸多领域，取得了很好的应用结果。

一般而言，图像融合可分为三大类：像素级融合、特征级融合和决策性融合。目前常见的红外与可见光图像融合方法大多属于像素级融合，例如均值融合方法、加权平均方法、基于塔形分解的融合算法、PCA方法以及基于小波变换的融合算法等。

均值融合方法的原理最简单，将红外图像和可见光图像对应像素取平均值来作为融合图像的像素。该方法的计算复杂度最低，但效果也是最差的，存在细节信息丢失的问题。此外，当可见光图像是多通道彩色图像时，均值融合方法并不适用。加权平均方法一定程度上弥补了均值融合方法的缺点，但权重的取值与输入图像像素值的动态范围有关，调整起来有一定的复杂度。PCA方法融合出来的图像存在颜色失真的问题。目前，融合效果较好的大多是基于变换的方法，例如基于塔形分解的融合算法或者基于小波变换的方法。传统离散小波变换应用于红外与可见光图像融合后，虽然得到了较为清晰的边缘轮廓，但存在着对比度低、细节缺失等问题。

发明内容

本发明提出了一种红外与可见光图像融合方法，目的在于解决以上图像融合过程中出现的对比度低以及细节缺失等问题，提高融合图像质量。

该融合方法具体步骤如下：

步骤S1，将待融合的红外图像和可见光图像进行预处理；

步骤S2，将预处理后的图像进行子块划分，得到一系列子图像；

步骤S3，计算每一对子图像的聚焦测度；

步骤S4，利用感知哈希算法计算每一对子图像的“指纹”；

步骤S5，计算每一对子图像的“指纹”的匹配程度，即计算子图像hash指纹相似度；