[发明专利]图像融合方法、系统、计算机可读介质以及计算机系统

说明书

本发明公开了一种图像融合方法、系统、计算机可读介质以及计算机系统，根据可见光图像生成可见光图像反射层；并对红外图像进行处理，最后采用伽马校正的融合方法将可见光图像反射层与红外图像处理猴的红外图像进行融合。本发明使用基于高斯场的反射层和亮度层分解目标函数以及基于粗糙模糊的亮度层，可同时保留可见光图像中亮区域和暗区域丰富的细节纹理，有效减少暗区域细节丢失和亮区域细节过曝的情况。利用伽马校正策略对红外图像与可见光反射层进行融合，使融合图像在保留可见光图像中丰富细节纹理的同时，获得红外图像中目标与背景之间高对比度。

技术领域

本发明属于图像处理技术领域，具体涉及一种图像融合方法、系统、计算机可读介质以及计算机系统。

背景技术

热红外图像可以反映场景中的热辐射信息，所以目标与背景之间对比度高，差异显著，但缺乏细节；可见光图像包含场景中清晰的细节，但易受环境变化的影响。因此，热红外图像与可见光成像特征具有良好的互补性。而热红外图像与可见光图像融合技术可以充分利用该特性，提高图像中目标探测和环境感知能力。

为了提高图像融合质量，研究人员提出了许多方法。Meng等人利用非下采样轮廓波变换与显著性检测实现了突出红外目标区域的图像融合(F.Meng,M.Song,B.Guo,R.Shi,and D.Shan,“Image fusion basedon object region detection and non-subsampledcontourlet transform,”Comput.Electr.Eng.,vol.62,pp.375-383,Sep.2016)。Liu等人利用稀疏表达将源图像分解为基层与细节层，对于不同层采取不同的融合策略(Y.Liu,X.Chen,R.K.Ward,and Z.Jane Wang,“Image fusion withconvolutional sparserepresentation,”IEEE Signal Process.Lett.,vol.23,no.12,pp.1882-1886,Dec.2016)。Ma等人提出了一种基于梯度变换和全变分最小化的融合方法，可以同时保留红外图像的灰度分布和可见光图像的梯度变化(J.Ma,C.Chen,C.Li,and J.Huang,“Infraredand visible image fusionvia gradient transfer and total variationminimization,”Inf.Fusion,vol.31,pp.100-109,Sep.2016)。Fu等人利用鲁棒主成分分析和非下采样轮廓波变换获得可见光与红外图像的稀疏矩阵，以此提取图像特征进行融合(Z.Fu,X.Wang,J.Xu,N.Zhou,and Y.Zhao,“Infrared and visibleimages fusion basedon RPCA and NSCT,”Infr.Phys.Technol.,vol.77,pp.114-123,Jul.2016)。

目前大部分热红外图像与可见光图像融合方法思路是将从源图像中提取的细节信息进行融合，以保证融合图像中包含丰富的纹理。但是，人们更关心红外图像中显著的目标而非本来就不够清晰的细节信息。因此，对于图像融合来说，红外图像中目标与背景之间的高对比度更具价值。如果在融合中只考虑图像纹理，则红外图像所反映的高对比度热辐射信息就有可能会丢失。同时，由于可见光图像的质量易受环境照度的影响。在图像的明亮区域中，由于光照充足，物体细节可以很好地被保留在融合图像中，但是暗区域中的细节纹理常常具备对比度低、边缘模糊和噪声高等缺点。这些都会导致融合图像中目标和细节的清晰度变低，使融合质量变差。

传统Retinex模型对数形式为其中是对数反射层，是对数原图像，是对数亮度层。由于原图像中暗区域的灰度值和对比度原本就很低，而亮度层常常是由原图像的高斯模糊所生成的，因此亮度层中暗区域也同样是低灰度和低对比度的状态，导致原图像和亮度层之间在暗区域的差异就很小。而原图像亮区域由于光照充足，纹理之间的对比度高，经高斯模糊之后会使亮度层与原图像产生较为显著的差异。因此传统Retinex模型更倾向于提取出亮区域的细节，对于暗区域的细节不敏感。

发明内容