[发明专利]基于LatLRR和Retinex增强的可见光和红外图像融合方法

权利要求书

1.基于LatLRR和Retinex增强的可见光和红外图像融合方法，其特征在于包括如下步骤：

步骤1、图像预处理生成适合低秩分解的训练数据：

对可见光图像I₁和红外图像I₂进行预处理：处理为低秩分解的图像数据P(I₁)和P(I₂)，所述的P(I_r)(r＝1，2)表示将图像I_r均分为大小为n×n的M个子块，并把每个图像子块重排为一列数据；

步骤2、多级潜在低秩分解得到基础图像和多个细节图像：

可见光图像数据P(I₁)通过k级潜在低秩分解，得到k个细节图像和一个基础图像红外图像数据P(I₂)通过k级潜在低秩分解，得到k个细节图像和一个基础图像所述表示P(I_r)第j级分解后得到的细节部分，其中r＝1，2；表示将中每列数据重排为n×n的矩阵后重构为整个细节图的操作；

步骤3、基础图像增强拉伸后融合；

步骤4、对细节图像进行多视觉综合加权融合；

步骤5、将步骤3和4的结果相加得到最后的融合结果。

2.根据权利要求1所述的基于LatLRR和Retinex增强的可见光和红外图像融合方法，其特征在于步骤3具体实现如下：

对基础图像和进行多尺度Retinex增强，然后进行对比度拉伸，对增强拉伸处理后的基础图像融合，得到融合后的基础图像

所述图像对比度拉伸方法采用全域线性拉伸、分段线性拉伸、指数变换拉伸或对数变换拉伸；

所述基础图像融合策略采用平均融合、加权融合、绝对值最大融合、最小二乘融合或加权最小二乘融合；

所述加权融合方法是指一类先确定两种图像融合权重后加权求和的融合方法，包括像素加权融合、区域能量加权融合。

3.根据权利要求1或2所述的基于LatLRR和Retinex增强的可见光和红外图像融合方法，其特征在于步骤4具体实现如下：

针对每一对细节图像和用多视觉综合加权融合方法融合，得到融合后的细节图像

其中(x，y)表示像素坐标，j＝1，…，k；表示融合权重。

4.根据权利要求3所述的基于LatLRR和Retinex增强的可见光和红外图像融合方法，其特征在于多视觉综合加权融合方法综合图像的清晰度AF、边角显著性EA和局部对比度LC三个指标计算融合权重；

所述图像的局部对比度计算公式为：

其中为图像I中以I_xy为中心的s×s区域，表示I_pq的空间梯度，β是常数，I_pq表示s×s区域中的像素点；

所述融合权重计算公式为：

其中，表示基于清晰度计算得到的权重系数，表示基于边角显著性计算得到的权重系数，表示基于局部对比度计算得到的权重系数，和分别表示细节图像和在坐标(x，y)处的局部清晰度，和分别表示细节图像和在坐标(x，y)处的边角显著性，和分别表示细节图像和在坐标(x，y)处的局部对比度。

5.根据权利要求4所述的基于LatLRR和Retinex增强的可见光和红外图像融合方法，其特征在于步骤4所述图像局部清晰度的计算方法，具体过程如下：

步骤4a-1).计算图像I中每一位置的近似的拉普拉斯能量和：

步骤4a-2)计算图像的清晰度图：

其中，N₁和M₁为正整数。