[发明专利]基于WSN-LatLRR的红外和可见光图像融合方法

权利要求书

1.基于WSN-LatLRR的红外和可见光图像融合方法，其特征在于包括以下步骤：

步骤1、对可见光图像I₁和红外图像I₂进行预处理：处理为低秩分解的数据矩阵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、可见光图像数据P(I₁)通过k级加权schatten p-范数潜在低秩分解，得到k个显著图像和一个低秩图像红外图像数据P(I₂)通过k级加权schatten p-范数潜在低秩分解，得到k个显著图像和一个低秩图像所述表示P(I_r)第j级分解后得到的显著部分，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显著图的操作；

步骤3、选用基础图像融合策略，对低秩图像和融合，得到融合后的低秩图像

步骤4、选用显著图像融合策略，对显著部分矩阵和融合，得到融合后的显著矩阵进一步重构得到融合后的显著图像其中，j＝1，…，k。

步骤5、将步骤3和步骤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WSN-LatLRR的红外和可见光图像融合方法，其特征在于步骤1所述加权schatten p-范数潜在低秩分解即求如下优化问题：

其中，X表示输入数据即P(I₁)或P(I₂)，Z和L分别表示低秩系数和显著性系数，XZ和XL分别为低秩部分矩阵和显著部分矩阵，E表示稀疏噪声，表示加权schatten p-范数的p次方，||E||₁表示1范数，λ表示平衡系数且λ＞0，s.t.为约束条件。

3.根据权利要求1所述的基于WSN-LatLRR的红外和可见光图像融合方法，其特征在于所述核范数加权融合的权重的计算公式如下：

其中，表示的第m列，m＝1，…，M，表示的权重值。

4.根据权利要求1所述的基于WSN-LatLRR的红外和可见光图像融合方法，其特征在于步骤2所述优化问题通过增广拉格朗日乘子法求解，具体过程为：

2-1.通过定义J＝Z和S＝L构建增广拉格朗日函数：

其中，M₁，M₂，M₃为拉格朗日乘子，μ为惩罚系数；

2-2.按如下次序迭代交替更新各个变量，直到满足收敛条件；

Z^*＝(I+X^TX)^-1(X^T(X-LX-E)+J+(X^TM₁-M₂)/μ)，Z＝Z^*

L^*＝((X-XZ-E)X^T+S+(M₁X^T-M₃)/μ)(I+XX^T)^-1，L＝L^*

μ^*＝min(ρμ，max_μ)，μ＝μ^* (5)

其中，ρ和max_μ为预先定义的常量。

5.根据权利要求4所述的基于WSN-LatLRR的红外和可见光图像融合方法，其特征在于步骤2-2所述J^*和S^*可采用广义迭代收缩算法求解，所述E^*用收缩算法求解。