[发明专利]一种基于纹理特征的图像融合算法

说明书

本发明涉及图像处理技术领域，具体涉及一种基于纹理特征的图像融合算法，包括如下步骤：S1、判断可见光传感器采集图像是否需要增强处理，若光线较暗则增强处理，反之，则不需要增强处理；S2、获取步骤S1所得图像的基层；S3、利用原图减去基层图获得亮像素的细节层，同理利用基层图减去原图获得暗像素细节层，若是非可见光图像，则利用光晕边缘去除细节图像中的光晕获得去光晕后的最终细节图；S4、采用加权方式融合各传感器采集图像的基层；S5、将步骤S4获得的基层融合图像与亮像素细节层加权相加融合，再与暗细节层加权相减融合，获得最终的融合图像。本发明的算法可以清晰的反应物体所在的位置和场景细节。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于纹理特征的图像融合算法。

背景技术

不同图像采集传感器的作用是不同的，正如人类的感官一样，视觉感官结合听觉感官，能让我们大脑更好了解这个多姿多彩的世界，图像信息也如此，一些目标的出现常伴随着发热现象，利用红外传感器采集的图像主要反映场景的温度与辐射差，不会受到外界复杂环境的影响，因此能快速定位出发热物体在图像中的位置和轮廓，但由于红外传感器对可见光的感知能力较差无法获取目标周围环境的分布信息可视性差，无法提供图像的细节信息。可见光传感器采集的图像在反映图像环境细节方面较为突出，但在环境光线较暗或者有烟雾遮挡情况下，无法正确知道目标物体的具体动向。当然，在同一传感器对环境进行图像采集时由于不同目标距离传感器的位置不同，为了采集到清晰的目标信息，传感器会以不同焦距进行拍摄，这将造成图像的部分区域模糊的现象，好比人类的眼睛一样，当我们专注书上某一行文字时其他行文字就会变得模糊，因此通过对不同焦距的图像进行融合能获得一幅完整清晰的多目标图像。于是将两种图像融合相互取长补短，减少冗余信息增强成像质量，成为了目前图像处理研究的热点问题，对于军事领域、工业领域、医学领域、安防监控、数字摄影和遥感领域具有重要的研究意义。

经过近年来图像融合算法的发展，已经踊跃出许多的图像融合方案和方法。归根结底这些方法可以分为两类，第一类是基于空间域的图像融合该技术直接利用图像的像素或图像区域为融合规则，其优点是算法复杂度低融合所消耗的时间短利于大批量图像的融合实现，但是在分割红外线图像中显著特征区域时比较困难，导致此类算法在对抗干扰方面的能力还不够突出信息丢失量大。第二类是基于变换域的图像融合该技术，该技术应用多尺度分解方法对图像叠加的多层空间特征信息进行尺度变换，获得不同的尺度空间，使红外图像与可见光图像达到有效的融合，目前较为熟知的尺度变化算法有金字塔、小波变换曲波变换、轮廓波变换、非下采样轮廓波变换、非下采样剪切波变换和数据驱动方法等。这些算法都证明了多尺度分解方法在图像融合技术中的重要地位，但利用多尺度变化获得的融合图像存在光晕和伪影，同时多尺度分解方法在分解图像空间层数上处于两难的境地，为了保证图像融合后纹理细节的丰富分解层数需要尽可能的多，但是当层数过多时在图像融合中低通波段层的系数将会影响大多数的融合像素值，为了平衡两者的关系常降低了此类算法的鲁棒性。

发明内容

为解决上述问题，本发明提供了种基于纹理特征的图像融合算法。

为实现上述目的，本发明采取的技术方案为：

一种基于纹理特征的图像融合算法，包括如下步骤：

S1、判断可见光传感器采集图像是否需要增强处理，若光线较暗则增强处理，反之，则不需要增强处理；

S2、获取步骤S1所得图像的基层；

S3、利用原图减去基层图获得亮像素的细节层，同理利用基层图减去原图获得暗像素细节层，若是非可见光图像，则利用光晕边缘去除细节图像中的光晕获得去光晕后的最终细节图；

S4、采用加权方式融合各传感器采集图像的基层；

S5、将步骤S4获得的基层融合图像与亮像素细节层加权相加融合，再与暗细节层加权相减融合，获得最终的融合图像。