[发明专利]一种基于导向滤波显著区域提取的多尺度图像融合方法

摘要

本发明公开了一种基于导向滤波显著区域提取的多尺度图像融合方法，包括如下步骤输入同一场景的可见光图像和红外图像，利用非下采样轮廓波变换开展图像多尺度分解，将图像分为若干不同尺度的细节图层；计算各图层图像的局部标准差分布图；在局部标准差分布图的基础上，进而计算得到对应的二值化显著性权重图；基于导向滤波器实现显著性区域信息的获取；结合显著性区域图，在各图层开展图像融合；利用加权累加重建得到最终的融合结果。本发明实现了有效的多尺度分解，采用了基于导向滤波的显著性区域提取算法，能够有效提取对应图层的显著区域信息，使得融合结果更好的保留各自图像源的显著性信息，具有较好的视觉融合效果。

主权项

一种基于导向滤波显著区域提取的多尺度图像融合方法，其特征在于，该方法具体包括如下步骤：(1)利用非下采样轮廓波变换开展多尺度图像分解；输入同一成像场景的可见光图像f和红外图像g，分别对其实施多尺度图像分解，利用NSCT分解得到不同细节尺度的分解图层，其过程表示如下：fi＝Multi_NSCT(f,i)    (1)gi＝Multi_NSCT(g,i)    (2)其中，i＝1,2...N，N表示NSCT的分解层数；Multi_NSCT表示利用NSCT的图像多尺度分解框架；fi和gi分别表示对应尺度的可见光和红外细节图层；NSCT即非下采样轮廓波分解；(2)局部标准差分布图计算；对于步骤(1)得到的各图层分解图像，采用局部窗口遍历方法，计算得到局部标准差分布图，过程表示如下：Sfi=LocalStd(fi,W)---(3)]]>Sgi=LocalStd(gi,W)---(4)]]>其中，W为大小为T×T的局部窗口，LocalStd为局部窗口图像标准差计算操作，和分别为可见光和红外对应图层的局部标准差分布图；(3)二值化显著性权重图获取；对于步骤(2)得到的局部标准差分布图，通过同一图层的红外和可见光标准差分布图比较，并结合图像闭操作，得到二值化的显著性权重图，过程表示如下：Pfikk∈Sfi=1,ifSfik=max(Sfik,Sgik)0,else---(5)]]>Pgikk∈Sgi=1,ifSgik=max(Sfik,Sgik)0,else---(6)]]>其中，和分别为可见光和红外图对应图层在像素k处的像素值；随后，应用图像形态学中的闭操作，得到最终的二值化的显著性权重图：Pfi=imclose(Pfik)---(7)]]>Pgi=imclose(Pgik)---(8)]]>其中，imclose()为图像形态学处理中的闭操作，和分别为得到的对应图层的二值化显著性权重图；(4)基于导向滤波的显著性区域图提取；对于步骤(3)得到的二值化显著性权重图，利用导向滤波得到显著性区域提取的结果，其过程表示为：Mapfi=GF(Pfi,f,ri,μi)---(9)]]>Mapgi=GF(Pgi,g,ri,μi)---(10)]]>其中，GF()表示导向滤波操作，和为导向滤波处理过程中的输入图像，f和g为导向滤波处理过程中的导向图，ri和μi分别为对应图层的导向滤波器尺寸和模糊程度，和分别为可见光和红外对应图层的显著性区域提取结果；(5)结合显著性区域提取的图像融合利用步骤(4)得到的显著性区域图提取结果，在各尺度图层上开展图像融合处理，使得融合结果能够更好地保留不同图像中的显著区域细节信息，具体表示如下：Mi=[fi×Mapfi+gi×(1-Mapfi)]+[fi×(1-Mapgi)+gi×Mapgi)]2,(i=1,2...N)---(11)]]>其中，Mi表示各图层的融合结果；(6)融合图像加权重建对于步骤(5)得到的各图层融合结果，利用加权累加重建得到最终的融合结果，融合图像加权重建过程表示如下：Mfusion=Σi=1NλiMi---(12)]]>其中，λi为各图层融合结果重建权重值，Mfusion为最终的可见光红外融合结果，通过设置合理的权重值来得到信息增强的融合图像结果。