[发明专利]一种基于非下采样剪切波变换的图像融合算法

权利要求书

1.一种基于非下采样剪切波变换(Nonsubsampled Shearlet Transform，NSST)的图像融合算法，其特征在于：原图像经过NSST变换分别得到其低频子带和高频子带，对可见光低频子带进行LoG(Laplacian of Gaussian)算子提取特征然后与红外低频子带叠加得到融合后的低频系数，对高频子带通过点锐度的细节增强融合规则得到高频系数，最终通过NSST反变换得到融合后的图像，比现有算法在保留红外热辐射信息方面程度都高。

2.根据权利要求1所述的一种基于非下采样剪切波变换的图像融合算法，其特征在于：该算法具体包括以下流程：

步骤一：对输入图像进行NSST变换

首先将输入图像通过NSP(Non Subsampled Pyramid)对图像实现k级多尺度分解，得到和原图像大小相同的k+1个子带，包含1个低频子带和k个高频子带，接着通过SF(ShearletFilter)对高频子带进行l级多方向分解，产生2l+2个高频子带图像，低频子带继续通过NSP迭代进行多尺度分解，最终得到红外与可见光图像的高低频子带；

步骤二：根据融合规则对高低频子带融合

1)用高斯拉普拉斯算子对可见光低频子带提取信息，先对可见关低频信息高斯滤波，然后用拉普拉斯变换，使非关键信息接近零值，且拉普拉斯算子处理后的子带是零平均灰度，不会改变红外低频子带的平均灰度，低频融合方法表达式为F_N(i,j)＝L_N(i,j)+λM_N(i,j)，其中F_N为融合子带，L_N为红外图像低频子带，M_N为可见光低频子带经过LoG算子特区特征后的系数，λ为影响因子；

2)通过λ的变化可以改变可见光低频系数对融合子带系数的影响，其值过大时会影响低频融合质量，影响红外信息，过小时无法体现可见光的结构信息，因此对λ采用下式自适应取值λ＝B/(A+B)；

3)高频用一种基于点锐度的高频融合规则弥补低频的对比度下降缺陷，表达式如下：

其中为融合后的NSST变换第K层L方向的高频子带，和分别为同一层同一方向的红外与可见光高频子带，i，j为子带系数矩阵中的坐标,H为本文的高频融合算法，用下式计算和的点锐度：其中m，n为子带系数矩阵中的行数和列数，df为灰度变化幅度值，dx为像元间距离增量，根据计算对应的点锐度，采用下述高频融合规则：

式中γ为高频融合影响因子，γ根据可见光和红外图像高频子带在局部细节变化程度来定值，计算方法如下式所示：

通过以上规则对高频融合；

步骤三：通过NSST反变换生成融合图像

将步骤二中得到的可见光与红外图像根据融合规则融合后的高低频系数经过NSST逆变换得到融合后的最终图像。