[发明专利]一种基于三种尺度分解的红外与可见光图像融合方法有效
| 申请号： | 202110220561.2 | 申请日： | 2021-02-26 |
| 公开（公告）号： | CN112884690B | 公开（公告）日： | 2023-01-06 |
| 发明（设计）人： | 任龙;张海峰;单福强;张辉;冯佳 | 申请（专利权）人： | 中国科学院西安光学精密机械研究所 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50 |
| 代理公司： | 西安智邦专利商标代理有限公司 61211 | 代理人： | 王杨洋 |
| 地址： | 710119 陕西省西*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 尺度 分解 红外 可见光 图像 融合 方法 | ||
1.一种基于三种尺度分解的红外与可见光图像融合方法，其特征在于，包括以下步骤：
1)对红外图像与可见光图像进行三种尺度的分解
利用高斯滤波器对红外图像与可见光图像分别进行滤波，获得红外背景亮度层图像与可见光背景亮度层图像；
对红外图像与可见光图像分别进行计算，获得红外图像融合权重与可见光图像融合权重，将红外图像融合权重乘以红外图像得到红外图像显著特征层图像，将可见光图像融合权重乘以可见光图像得到可见光图像显著特征层图像；
利用引导滤波器对红外图像与可见光图像分别进行引导滤波，将引导滤波后的红外图像与可见光图像分别减去红外背景亮度层图像和可见光背景亮度层图像，获得红外细节层图像和可见光细节层图像；
所述红外图像及可见光图像的融合权重所用计算公式如下：
其中，
WIR表示红外图像融合权重；
WVIS表示可见光图像融合权重；
表示红外图像的均值；
表示可见光图像的均值；
PIR表示红外图像；
PVIS表示可见光图像；
所述红外图像显著特征层图像及可见光图像显著特征层图像采用如下公式得到：
SIR＝PIR.*WIR
SVIS＝PVIS.*WVIS；
*表示对于像素点相乘；
SIR表示红外图像显著特征层图像；
SVIS表示可见光图像显著特征层图像；
2)对分解所得图像进行图像融合
2.1)将红外背景亮度层图像与可见光背景亮度层图像融合，得到融合背景亮度层图像；将红外显著特征层图像与可见光显著特征层图像融合，得到融合显著特征层图像；将红外细节层图像与可见光细节层图像融合，得到融合细节层图像；
2.2)将融合背景亮度层图像、融合显著特征层图像和融合细节层图像相加，得到初始融合图像；
2.3)采用优化模型和梯度下降法，对初始融合图像进行优化，得到最终融合图像；
所述优化模型如下：
其中，
F*表示优化后的最终融合图像；
为梯度算子，∈1为平衡因子，取为0.8；
F表示初始融合图像。
2.根据权利要求1所述的基于三种尺度分解的红外与可见光图像融合方法，其特征在于：
步骤1)中，所述高斯滤波器的滤波公式如下：
GIR＝Gaussian(PIR，7，0，0.5)
GVIS＝Gaussian(PVIS，7，0，0.5)；
其中，
GIR表示红外背景亮度层图像；
GVIS表示可见光背景亮度层图像；
PIR表示红外图像；
PVIS表示可见光图像；
7为滤波尺寸；
0和0.5分别为高斯滤波的均值和方差。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院西安光学精密机械研究所，未经中国科学院西安光学精密机械研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110220561.2/1.html，转载请声明来源钻瓜专利网。
