[发明专利]基于梯度置信变分模型的红外图像融合增强方法

摘要

本发明公开了一种基于梯度置信变分模型的红外图像融合增强方法，主要解决现有全变分融合方法中出现部分源图像目标丢失的问题。其实现步骤是1.获取红外图像u和可见光图像v；2.构造红外图像u和可见光图像v的多尺度结构张量加权梯度；3.用平均图像初始化第1次迭代的融合图像，设置最大迭代次数N；4.分别构建融合图像的亮度保真项和梯度保真项；5.构建由亮度保真项和梯度保真项组成的能量泛函；6.求解能量泛函最小化问题，获得第t+1次迭代的融合图像；7.重复步骤4至步骤6，直至迭代次数达到N次，输出融合结果。本发明具有更好的目标保持性能，更丰富的细节特性及更好的视觉效果，可用于目标识别。

主权项

一种基于梯度置信变分模型的红外图像融合增强方法，包括：(1)获取红外图像u和可见光图像v；(2)构造红外图像u和可见光图像v的多尺度结构张量加权梯度g(▽su,▽sv)：g(▽su,▽sv)＝Ws,u·▽su+Ws,v·▽sv其中，▽s是多尺度梯度算子，▽su和▽sv分别为红外图像u和可见光图像v的多尺度梯度，Ws,u和Ws,v分别是▽su和▽sv的权重；(3)迭代计算融合图像：(3a)用平均图像初始化第1次迭代的融合图像设置最大迭代次数N＝50；(3b)构建融合图像的亮度保真项H(X^t)=12·||X^t-u+v2||22]]>其中，下标t为迭代序号，为2范数；(3c)构建融合图像的梯度保真项其中，αs为空间距离权，其取值随着指数项s的增大而减小，0＜α＜1；β为增强因子；||·||1为1范数；为融合图像的多尺度梯度；(3d)构建由亮度保真项和梯度保真项组成的能量泛函Et：Et=12·||X^t-u+v2||22+λ·Σs=130αs||▿sX^t-βg(Vsu,▿sv)||1]]>其中，λ为规整参数；(3e)采用最陡下降法求解能量泛函Et最小化问题，获得第t+1次迭代的融合图像其中，Δt为迭代步长，为梯度保真项对的导数；(4)判断迭代次数是否小于最大迭代次数N，如果迭代次数小于最大迭代次数，则重复步骤(3b)至(3e)；否则，迭代结束，输出融合图像。