[发明专利]基于显著性分析与低秩表示的红外与可见光图像融合方法

摘要

本发明公开了基于显著性分析与低秩表示的红外与可见光图像融合方法，包括：步骤(1)、分别对输入的待融合红外图像与可见光图像执行图像块的划分，得到红外图像的图像块数据矩阵和可见光图像的图像块数据矩阵；步骤(2)、构建一个分层树形结构；步骤(3)、利用输入源图像，构建背景字典D；步骤(4)、构建分层联合低秩表示模型，然后执行分层联合低秩表示，得到红外/可见光图像的低秩表示系数矩阵以及代表显著信息的稀疏重构误差系数矩阵；步骤(5)、将系数矩阵分别执行融合操作，得到融后的表示系数矩阵，然后利用融合后的表示系数矩阵重构出粗融合图像IF；步骤(6)、利用引导滤波算法对粗融合结果IF进行进一步处理，得到最终的融合图像

主权项

1.基于显著性分析与低秩表示的红外与可见光图像融合方法，其特征在于，包括：步骤(1)、分别对输入的待融合红外图像与可见光图像执行图像块的划分，并将获取的图像块按字典语义顺序拉伸成向量形式，然后将同一幅图像的所有图像块的向量按列堆叠，分别得到红外图像的图像块数据矩阵和可见光图像的图像块数据矩阵；步骤(2)、对输入的两幅图像分别构建一个分层树形结构利用基于图的图像分割算法，对步骤(1)中得到的待融合红外图像与可见光图像的图像块划分结果，分别按照其位置关系以及特征相似性进行不同程度的聚合，分别得到红外图像以及可见光图像在不同阈值下的由粗糙至精细的聚合结果，即构建得到两幅输入图像对应的分层树形结构；步骤(3)、利用输入源图像，构建背景字典D；步骤(4)、构建分层联合低秩表示模型，然后向该分层联合低秩表示模型输入步骤(1)得到的红外图像的图像块数据矩阵/可见光图像的图像块数据矩阵，以及步骤(2)得到的对应图像的分层树形结构，分别执行分层联合低秩表示，得到红外/可见光图像的低秩表示系数矩阵以及代表显著信息的稀疏重构误差系数矩阵；步骤(5)、将步骤(4)计算得到的系数矩阵分别执行融合操作，得到融后的表示系数矩阵，然后利用融合后的表示系数矩阵重构出粗融合图像I_F；步骤(6)、利用引导滤波算法对步骤(5)得到的粗融合结果I_F进行进一步处理，得到最终的融合图像