[发明专利]基于特征提取的可见光与红外图像融合方法

说明书

本发明公开了一种基于特征提取的可见光与红外图像融合方法，首先，对红外图像采用混合滤波算法进行预处理；其次，扩展图像的灰度直方图，使其充满整个灰度范围，凸显红外目标并弱化背景影响；接着，分别对不同光谱图像做高斯图像金字塔处理，再通过拉普拉斯金字塔分别得到不同尺度下图像的显著性区域；然后，对红外感兴趣区域计算，通过优势信息比较策略，对不同光谱的显著性区域进行比较，得到各个尺度下的红外图像感兴趣区域；最后，把不同尺度下的红外感兴趣区域融合入可见光图像中，得到不同光谱的融合结果。本发明的多光谱图像融合方法，细节信息保留完整、鲁棒性强，解决了单一可见光传感器光谱探测范围有限的问题。

技术领域

本发明属于图像融合技术领域，特别是涉及一种在不同场景下鲁棒性强、融合细节精度高的针对可见光和红外光谱图像的融合方法。

背景技术

近年来随着多源图像传感器的普及，人们的观测场景已经不仅仅局限于单一波段的可见光范围内，多光谱图像大大丰富了人们的观测手段。目前图像融合技术已经广泛应用于军事、安防、医用等领域，在目标探测，危险物品检验，组织器官检查等方面展现了重要的作用，尤其在军事领域内，以多光谱传感器进行信息融合的技术已经成为现代战争中的关键技术。

在国外，图像融合技术自上世纪九十年代起逐渐受到了广泛地重视，美国麻省理工学院林肯实验室、空军研究实验室、荷兰人力因素所等均在该领域有着深入地研究；国外知名期刊如Infrared Physics and Technology、IEEE Transaction on ImageProcessing与IEEE Transaction on Signal Processing等也在不断收录最新的多光谱图像融合技术领域的研究成果。

在国内，图像融合技术在近三十年也进行了大量的研究。包括北京理工大学、南京理工大学等高校和中科院遥感所等研究也投入到了图像融合系统的研究中。国内的相关期刊如《光学与光电技术》、《光子学报》、《红外与激光工程》等刊物也在不断发表最新的研究成果。

目前的图像融合的方法思路按作用的对象来分类可以分为像素级，特征级和决策级等等。在实际的工程应用中，常常采用像素级的图像融合方式，常见的图像融合方法可以分为两大类：基于非多尺度变换的图像融合方法和基于多尺度变换的图像融合方法。

基于非多尺度变换的图像融合方法有多种方式，最简单的方式是对多源图像相同位置像素做加权平均，该方法易于实现，然而融合后图像容易产生图片拼接痕迹，并且容易增加图像噪声，且权值的选择是关键问题。主成成分分析(PCA)融合方法采用高分辨率图像简单替换低分辨率图像的第一主成分，因此会损失掉低分辨率图像第一主成分中光谱中的特征信息。非多尺度变换的图像融合方法无法考虑到不同光谱图像中各个波段的特点，因此无法达到最好的融合效果。

基于多尺度变换的图像融合方法主要分为小波变换和图像金字塔变换的图像融合方法。小波变换图像融合利用小波多分辨率分解与人眼视觉系统的多通道分解相似性原理，多尺度变换特性更加符合人类的视觉机制，适于图像融合。提升小波变换具有自适应设计强、可不规则采样等优点，融合视觉效果较好。然而，其表达的是源图像中部分方向信息，仍会造成图像细节信息的丢失。

因此，现有的图像融合方法往往只能够将不同光谱信息进行简单地累加增强，而没有做出信息判断。现有的技术存在的局限性和问题是图像融合算法难以提取出不同光谱探测器中的优势信息而进行图像融合，因此得到地融合结果无法较好地展示出不同光谱探测器的优点，会造成图像细节信息损失；另外现有的图像融合方法往往再复杂场景下的融合效果有限，在复杂背景下无法有效地区分出背景与目标区域进行图像融合，使得图像融合的效果不理想。

发明内容

本发明目的在于提供一种可见光图像与红外图像融合的多光谱图像融合方法，融合图像中细节信息保留完整、在不同场景下鲁棒性强，解决了单一可见光传感器光谱探测范围有限的问题。

为了实现本发明目的，本发明公开了一种基于特征提取的可见光与红外图像融合方法，包括如下步骤：