[发明专利]一种结合图像显著性和非下采样轮廓波变换的红外与可见光图像融合方法

摘要

本发明提供一种结合图像显著性和非下采样轮廓波变换的红外与可见光图像融合方法。首先，计算出可见光图像的对比度，若可见光图像对比度低则将其进行对比度受限的自适应直方图均衡。使用改进后的Frequency Tuned(FT)算法提取红外图像显著性区域，然后对显著性图进行抑制背景的处理。接着，分别对红外图像及处理后的可见光图像进行非下采样轮廓波变换(NSCT)获得低频与高频信息。在低频信息部分，利用显著性图进行融合，在高频信息部分采用绝对值取大的融合规则进行融合，最后将得到的融合低频系数和高频系数进行逆NSCT获得融合图像。本发明使融合后的图像细节信息更丰富，目标区域更为突出，使融合图像的视觉效果更好，更适合人眼观察和计算机处理。

主权项

1.一种结合图像显著性和非下采样轮廓波变换(NSCT)的红外与可见光图像融合方法，其特征在于：包括如下步骤：步骤一、判断可见光图像是否为低对比度图像，是否需要进行对比度受限的自适应直方图均衡；图像的对比度计算公式为：其中，δ为相邻像素间可能出现的灰度差值，Pδ为相邻像素间的灰度差为δ的像素分布概率；经过多副图像计算测试，对于灰度级范围为[0,255]的图像，在C≤3.8时判断该图像为低对比度图像；若图像为低对比度图像，将其进行对比度受限的自适应直方图均衡：首先将图像划分成若干图像子块，统计各图像子块的直方图，然后对子块中统计得到的直方图进行裁剪，将裁剪的值填补到整个灰度区间上，使其幅值低于设定好的上限值ClipLimit，其中，nRow为图像子块行数，nCol为图像子块列数，L为子块灰度级，α∈[0,1]；计算出每个子块的累积直方图函数及对应的灰度映射函数，每个子块上的像素点的值由它邻近的4个子块的中心点的映射函数值进行双线性插值得到，边缘的部分像素点值由它邻近的2个子块的中心的的映射函数值进行线性插值得到，角点处的像素点值由该子块的映射函数值得到；步骤二、提取红外图像显著性区域：使用改进后的Frequency Tuned(FT)算法提取红外图像显著性区域；使用FT算法计算一副输入图像I的显著性图的公式为：S(x,y)＝|Iμ‑Iwhc(x,y)|  (3)其中，Iμ为输入图像I中所有像素的平均值，Iwhc(x,y)为输入图像I经过高斯模糊之后在位置(x,y)处的像素值；在FT算法的基础上，利用L0范数图像平滑对其进行改进，提出一种图像的显著性提取方法，即：S(x,y)＝|Iμ‑IL0(x,y)|  (4)其中IL0(x,y)是图像I经过L0范数图像平滑后在位置(x,y)的像素值；使用改进的算法去提取红外图像显著区域能够更充分地抑制红外图像的背景信息，使目标信息更为突出；将S(x,y)归一化后得到Smap(x,y)；然后，使用S型曲线对比度拉伸变换函数对显著性图进行处理，即：其中系数t、k为常数，t∈[0,1]，k≥1，经处理后，显著性图的背景信息进一步被抑制，目标区域更加凸显；步骤三、将图像进行NSCT分解NSCT主要分为多尺度分解和多方向分解两部分，其中，采用非下采样金字塔滤波器组进行多尺度分解，由于没有图像下采样的步骤，一副图像经N级分解后，可得到N+1个与原图像相同尺度大小子带图像，其中1个是原图像的低频近似图像和N个高频子带图像，采用非下采样方向滤波器组进行多方向分解，每次分解得到水平和垂直方向的分解，如果对图像进行J级方向分解，可得到2J个与原始图像大小相同的方向子带图像；步骤四、将分解系数进行融合经过步骤三获得红外图像的低频系数及可见光图像的低频系数则融合图像的低频系数：其中：经过步骤三获得红外图像的高频系数和可见光图像的高频系数(n＝1,...,N，j＝1,...2^J)，则融合图像的高频系数的获得采用绝对值取大的规则，即：步骤五、图像重构将步骤四得到的不同尺度不同方向上的高频和低频融合系数进行NSCT逆变换，得到融合图像。