一种基于纹理特征的图像融合算法制造技术

本发明专利技术涉及图像处理技术领域，具体涉及一种基于纹理特征的图像融合算法，包括如下步骤：S1、判断可见光传感器采集图像是否需要增强处理，若光线较暗则增强处理，反之，则不需要增强处理；S2、获取步骤S1所得图像的基层；S3、利用原图减去基层图获得亮像素的细节层，同理利用基层图减去原图获得暗像素细节层，若是非可见光图像，则利用光晕边缘去除细节图像中的光晕获得去光晕后的最终细节图；S4、采用加权方式融合各传感器采集图像的基层；S5、将步骤S4获得的基层融合图像与亮像素细节层加权相加融合，再与暗细节层加权相减融合，获得最终的融合图像。本发明专利技术的算法可以清晰的反应物体所在的位置和场景细节。

【技术实现步骤摘要】
一种基于纹理特征的图像融合算法
本专利技术涉及图像处理
，具体涉及一种基于纹理特征的图像融合算法。
技术介绍
不同图像采集传感器的作用是不同的，正如人类的感官一样，视觉感官结合听觉感官，能让我们大脑更好了解这个多姿多彩的世界，图像信息也如此，一些目标的出现常伴随着发热现象，利用红外传感器采集的图像主要反映场景的温度与辐射差，不会受到外界复杂环境的影响，因此能快速定位出发热物体在图像中的位置和轮廓，但由于红外传感器对可见光的感知能力较差无法获取目标周围环境的分布信息可视性差，无法提供图像的细节信息。可见光传感器采集的图像在反映图像环境细节方面较为突出，但在环境光线较暗或者有烟雾遮挡情况下，无法正确知道目标物体的具体动向。当然，在同一传感器对环境进行图像采集时由于不同目标距离传感器的位置不同，为了采集到清晰的目标信息，传感器会以不同焦距进行拍摄，这将造成图像的部分区域模糊的现象，好比人类的眼睛一样，当我们专注书上某一行文字时其他行文字就会变得模糊，因此通过对不同焦距的图像进行融合能获得一幅完整清晰的多目标图像。于是将两种图像融合相互取长补短，减少冗余信息增强成像质量，成为了目前图像处理研究的热点问题，对于军事领域、工业领域、医学领域、安防监控、数字摄影和遥感领域具有重要的研究意义。经过近年来图像融合算法的发展，已经踊跃出许多的图像融合方案和方法。归根结底这些方法可以分为两类，第一类是基于空间域的图像融合该技术直接利用图像的像素或图像区域为融合规则，其优点是算法复杂度低融合所消耗的时间短利于大批量图像的融合实现，但是在分割红外线图像中显著特征区域时比较困难，导致此类算法在对抗干扰方面的能力还不够突出信息丢失量大。第二类是基于变换域的图像融合该技术，该技术应用多尺度分解方法对图像叠加的多层空间特征信息进行尺度变换，获得不同的尺度空间，使红外图像与可见光图像达到有效的融合，目前较为熟知的尺度变化算法有金字塔、小波变换曲波变换、轮廓波变换、非下采样轮廓波变换、非下采样剪切波变换和数据驱动方法等。这些算法都证明了多尺度分解方法在图像融合技术中的重要地位，但利用多尺度变化获得的融合图像存在光晕和伪影，同时多尺度分解方法在分解图像空间层数上处于两难的境地，为了保证图像融合后纹理细节的丰富分解层数需要尽可能的多，但是当层数过多时在图像融合中低通波段层的系数将会影响大多数的融合像素值，为了平衡两者的关系常降低了此类算法的鲁棒性。
技术实现思路
为解决上述问题，本专利技术提供了种基于纹理特征的图像融合算法。为实现上述目的，本专利技术采取的技术方案为：一种基于纹理特征的图像融合算法，包括如下步骤：S1、判断可见光传感器采集图像是否需要增强处理，若光线较暗则增强处理，反之，则不需要增强处理；S2、获取步骤S1所得图像的基层；S3、利用原图减去基层图获得亮像素的细节层，同理利用基层图减去原图获得暗像素细节层，若是非可见光图像，则利用光晕边缘去除细节图像中的光晕获得去光晕后的最终细节图；S4、采用加权方式融合各传感器采集图像的基层；S5、将步骤S4获得的基层融合图像与亮像素细节层加权相加融合，再与暗细节层加权相减融合，获得最终的融合图像。进一步地，所述步骤S1中，将图片亮度层的平均像素值115作为判断图像是否要增强处理的阈值，当图像中平均像素值小于阈值则需要增强处理，反之则不用增强处理，满足公式：式中，fav(i，j)表示图像中像素值的平均值，f(i，j)表示原图像素值M，N分别表示图像的行和列；当fav(i，j)＞115时，图像无需增强处理；当fav(i，j)＜115时，图像需要增强处理。进一步地，所述步骤S2具体包括如下步骤：S21、首先采用n×n的平滑窗口对可见光传感器拍摄的图像进行遍历处理，判断该窗口内是否存在不同的像素值，如式(2)所示；Wn×n[f(i+k，j+k)]≠Wn×n[fmean(i，j)]k∈{…-1，1…}(2)式中，Wn×n为滤波窗口的大小，fmean(i，j)表示窗口中心位置处的像素值；若存在则将窗口中心值与该窗口内所有像素值比较，平滑窗口内超过半数像素值与窗口中心处像素值相等则判定中心处像素值为正常像素值输出，反之，没有超过平滑窗口内半数像素值与窗口中心处像素值相等则标记为可疑噪声像素Z*(i，j)；若平滑窗口内所有像素值相等，则扩大滤波窗口继续判断，直到窗口大小为图像长(M)与宽(N)像素值个数中最小值的窗口为止，其范围为3≤n≤min{N，M}；若还没能找到不同像素值，就判定该滤波窗口内无可疑噪声点输出原像素值，如式(3)所示；式中，Z*(i，j)A表示可疑噪声点；S22、进一步判断可疑噪声，引入噪声判断值P(i，j)，并设立阀值K，当P(i，j)＞K时判定该为噪声；反之，当P(i，j)＜K时判定为原图像像素值；其数学表达式如式(4)、(5)所示；PN(i，j)＝|255/2-Wn×n[f(i+k，j+k)]|k∈{…-1，1…}(4)式中，P1，P2…PN表示计算平滑窗口内所有像素值与255/2的差值取绝对值，对求取的P值由小到大排序；k表示一个窗口内像素的位置，如一个9x9大小的窗口，中间位置用f(x，y)表示，则其左上角的像素位置为f(x-1，y-1)，与它相邻的像素位置以此类推获得；式中，fmean(i，j)表示该窗口中心位置处的像素的中值，Pmin(i，j)、Pmax(i，j)分别表示式(4)做差后绝对值的最小值与做差后绝对值的最大值；S23、对辐照噪声进行平滑处理，将存在噪声点的平滑滤波窗口内所有像素值进行排序，取像素中值乘以权值w，作为该噪声点的输出像素值fl＝(j，j)，如式(6)、(7)、(8)所示；fl(i，j)＝Wn×n[fmean(i，j)]·w(6)式中，fmean(i，j)表示滤波窗口中心位置处的像素值，w表示权值；式中，fmed(i，j)表示滤波窗口内所有元素的中值像素值，c表示滤波窗口内各像素值与滤波窗口内所有像素求得的均值做差后平方的均值；利用公式(6)，获得可见光图像和红外线图像的基层。进一步地，所述步骤S3具体包括如下步骤：S31、在获得图像基层后，利用原图或原图增强图减去基层图获得亮像素的细节层，满足表达式：fb(i，j)＝f(i，j)-fl(i，j)(9)式中，f(i，j)表示图像原图，公式中减数为增强图像fs(i，j)或原图f(i，j)，由公式(2)与阈值决定做比较决定，fb(i，j)表示亮像素的细节层；S32、利用基层图像减去原图或增强后的原图获得暗像素的细节层，满足表达式：fd(i，j)＝fl(i，j)-f(i，j)(10)式中，fd(i，j)表示暗像素的细节层；对于红外线图像的细节层由于有光晕的影响，因此，利用细节层减去光晕边缘，凸显图像的细节，满足表达式：fbe(i，j)＝本文档来自技高网...

【技术保护点】
1.一种基于纹理特征的图像融合算法，其特征在于：包括如下步骤：/nS1、判断可见光传感器采集图像是否需要增强处理，若光线较暗则增强处理，反之，则不需要增强处理；/nS2、获取步骤S1所得图像的基层；/nS3、利用原图减去基层图获得亮像素的细节层，同理利用基层图减去原图获得暗像素细节层，若是非可见光图像，则利用光晕边缘去除细节图像中的光晕获得去光晕后的最终细节图；/nS4、采用加权方式融合各传感器采集图像的基层；/nS5、将步骤S4获得的基层融合图像与亮像素细节层加权相加融合，再与暗细节层加权相减融合，获得最终的融合图像。/n

【技术特征摘要】
1.一种基于纹理特征的图像融合算法，其特征在于：包括如下步骤：
S1、判断可见光传感器采集图像是否需要增强处理，若光线较暗则增强处理，反之，则不需要增强处理；
S2、获取步骤S1所得图像的基层；
S3、利用原图减去基层图获得亮像素的细节层，同理利用基层图减去原图获得暗像素细节层，若是非可见光图像，则利用光晕边缘去除细节图像中的光晕获得去光晕后的最终细节图；
S4、采用加权方式融合各传感器采集图像的基层；
S5、将步骤S4获得的基层融合图像与亮像素细节层加权相加融合，再与暗细节层加权相减融合，获得最终的融合图像。


2.如权利要求1所述的一种基于纹理特征的图像融合算法，其特征在于：所述步骤S1中，将图片亮度层的平均像素值115作为判断图像是否要增强处理的阈值，当图像中平均像素值小于阈值则需要增强处理，反之则不用增强处理，满足公式：



式中，fav(i，j)表示图像中像素值的平均值，f(i，j)表示原图像素值M，N分别表示图像的行和列；当fav(i，j)＞115时，图像无需增强处理；当fav(i，j)＜115时，图像需要增强处理。


3.如权利要求1所述的一种基于纹理特征的图像融合算法，其特征在于：所述步骤S2具体包括如下步骤：
S21、首先采用n×n的平滑窗口对可见光传感器拍摄的图像f(x，y)，若是增强后的图像则为fs(x，y)进行遍历处理，判断该窗口内是否存在不同的像素值，如式(2)所示；
Wn×n[f(i+k，j+k)]≠Wn×n[fmean(i，j)]k∈{…-1，1…}(2)
式中，Wn×n为滤波窗口的大小，fmean(i，j)表示窗口中心位置处的像素值；
若存在则将窗口中心值与该窗口内所有像素值比较，平滑窗口内超过半数像素值与窗口中心处像素值相等则判定中心处像素值为正常像素值输出，反之，没有超过平滑窗口内半数像素值与窗口中心处像素值相等则标记为可疑噪声像素Z*(i，j)；若平滑窗口内所有像素值相等，则扩大滤波窗口继续判断，直到窗口大小为图像长(M)与宽(N)像素值个数中最小值的窗口为止，其范围为3≤n≤min{N，M}；若还没能找到不同像素值，就判定该滤波窗口内无可疑噪声点输出原像素值，如式(3)所示；



式中，Z*(i，j)A表示可疑噪声点；
S22、进一步判断可疑噪声，引入噪声判断值P(i，j)，并设立阀值K，当P(i，j)＞K时判定该为噪声；反之，当P(i，j)＜K时判定为原图像像素值；其数学表达式如式(4)、(5)所示；
PN(i，j)＝|255/2-Wn×n[f(i+k，j+k)]|k∈{…-1，1…}(4)
式中，P1，P2…PN表示计算平滑窗口内所有像素值与255/2的差值取绝对值，对求取的P值由小到大排序，k表示一个窗口内像素的位置，如一个9x9大小的窗口，中间位置用f(x，y)表示，则其左上角的像素位置为f(x-1，y-1)，与它相邻的像素位置以此类推获得；



式中，fmean(i，j)表示该窗口中心位置处的像素的中值，Pmin(i，j)、Pmax(i，j)分别表示式(4)做差后绝对值的最小值与做差后绝对值的最大值；
S23、对辐照噪声进行平滑处理，将存在噪声点的平滑滤波窗口内所有像素值进行排序，取像素中值乘以权值w，作为该噪声点的输出像素值fl(i，j)，如式(6)、(7)、(8)所示；
fl(i，j)＝Wn×n[fmean(i，j)]...

【专利技术属性】
技术研发人员：赵良军，董林鹭，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：四川;51