一种基于滑动窗口技术的红外与可见光图像融合方法技术

本发明专利技术公开了一种基于滑动窗口技术的红外与可见光图像融合方法，所述方法包括以下步骤，（1）提出基于滑动窗口技术的分解方法用于分解源图像

【技术实现步骤摘要】
一种基于滑动窗口技术的红外与可见光图像融合方法
本专利技术涉及图像融合
，具体涉及一种基于滑动窗口技术的红外与可见光图像融合方法。
技术介绍
多传感器数据通常提供某区域的互补信息。而随着传感器技术的发展，红外成像传感器、可见光成像传感器在军事和安全监控等领域的应用得到了不断的推广。可见光传感器主要捕获反射光从而令可见光图像具有丰富的背景信息，有利于建立判别模型；相比之下，红外传感器主要捕捉物体发出的热辐射，受光照变化或伪装的影响较小，因此，它可以克服一些障碍发现目标并且昼夜工作。但这两类传感器由于成像的特点和局限性，使得它们在某些特定成像的环境下，往往使用一个传感器无法完成既定的任务。若将红外图像中的热物体信息和可见光的背景信息融合到一张图像中不仅符合人的视觉感知，而且有利于后续应用比如目标识别等。本专利研究的主要是红外和可见光图像信息的融合算法。融合算法主要步骤如下：首先将源图像分解到特定的图像表示域，然后利用不同的融合规则对图像进行融合，最后利用逆变换得到融合图像。由于红外与可见光图像呈现的是同一场景下的不同内容，因此红外图像信息和可见光图像信息之间的融合互补，能有效地挖掘和综合图像的特征信息、突出红外目标等。
技术实现思路
本专利技术所要解决的问题是：提供一种基于滑动窗口技术的红外与可见光图像融合方法，本方法得到的融合图像能够融合更多的有用的图像信息，减少冗余图像信息且更符合人的视觉感知，能运用于基于图像融合的目标识别系统等。本专利技术为解决上述问题所提供的技术方案为：一种基于滑动窗口技术的红外与可见光图像融合方法，所述方法包括以下步骤：(1)提出基于滑动窗口技术的分解方法用于分解源图像X(X∈{IR，VI})为低阶图像XL和显着性图像XS；(2)通过对低阶图像XL(X∈{IR，VI})执行两尺度融合规则来获取融合的低阶图像FL；(3)通过对显着性图像XS(X∈{IR，VI})执行自适应融合规则来获取融合显着图像FS；(4)将融合的低阶图像FL和显着性图像XS相加以重构融合图像F。具体的，所述(1)为利用滑动窗口技术和RPCA技术稳健地分解源图像：首先使用从左上到下的滑动窗口，从源图像获取P个大小为L×L的图像斑块，并将得到的P个图像斑块矢量化，拼接成为新矩阵；其次使用GreBsmo算法得到稀疏矩阵；然后通过中值滤波器将稀疏矩阵重构为显着性图像；最后将输入图像减去获取的显着性图像，获得低阶图像；具体的，所述(2)为低阶图像的融合：首先将低阶图像XL(X∈{IR，VI})分解为各自的基础层和细节层其次使用平均融合规则将基础层合并，获取融合后的基础层然后计算细节层的平均梯度图之后得到初始权重图然后使用滤波器对其细化得到最终的权重图最后获取融合后的细节层具体的，所述(3)为显著性图像的融合：首先计算显着性图像XS(X∈{IR，VI})的平均梯度图其次获取显着性权重图然后获取AG权重图之后获取初始权重图然后使用滤波器器进行细化得到最终的权重图最后得到融合后的显着性图像FS；具体的，所述(4)为重构源图像：通过融合后的低阶图像FL和融合后的显着性图像FS相加得到重构源图像F。与现有技术相比，本专利技术的优点是：本专利技术提出一种新的红外与可见光图像融合方法，在该方法中，我们首先利用滑动窗口技术和RPCA技术将源图像分解成各自的低阶图像和显著性图像，然后利用设计的平均融合规则、自适应融合规则对源图像的低阶图像和显著性图像分别进行融合处理，最后由得到的低阶图像和显著性图像重构融合图像。本方法得到的融合图像能够融合更多的有用的图像信息，减少冗余图像信息且更符合人的视觉感知，能运用于基于图像融合的目标识别系统等。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。图1是本专利技术的示意图。附图标注：Infraredimage:红外光图像，Vectorization：矢量化，Newmatrix：新矩阵，GreBsmo：算法，Sparsematrix：稀疏矩阵，Low-rankimage：低阶矩阵，Reconstruction：中值滤波器重构，Saliencyimage：显著性图像，Visibleimage：可见光图像，Two-scalefusionrule：两尺度融合规则，Adaptivefusionrule：自适应规则，Fusionlow-rankimage：融合后的低阶矩阵，FusionSaliencyimage：融合后的显著性图像，Fusionimage：融合后的图像。具体实施方式以下将配合附图及实施例来详细说明本专利技术的实施方式，藉此对本专利技术如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。一种基于滑动窗口技术的红外与可见光图像融合方法：Step1：基于滑动窗口技术和RPCA技术图像分解方法步骤1：使用从左上到下的滑动窗口，从源图像获取P个大小为L×L的图像斑块，并将得到的P个图像斑块矢量化，拼接成为新矩阵；步骤2：在获得的新矩阵使用GreBsmo算法得到稀疏矩阵；步骤3：通过中值滤波器将稀疏矩阵重构为显着性图像；步骤4：将输入图像减去获取的显着性图像，获得低阶图像。Step2：低阶图像的融合低阶图像XL(X∈{IR，VI})主要包含源图像X的亮度和轮廓信息，而为了保留尽可能多的有用信息并最大程度减少冗余信息，我们设计了两极融合规则。以下是其详尽表达：步骤1：通过等式(1)(2)将低阶图像XL(X∈{IR，VI})分解为各自的基础层和细节层(其中Z为7×7平均滤波器，符号*为卷积运算)步骤2：使用平均融合规则将基础层并，获取融合后的基础层(其中和分别为和的权重，设置为0.5)步骤3.然后计算细节层平均梯度图像素(x，y)的平均梯度在尺寸为W×H的局部窗口定义如下。▽Gh(x,y)＝G(x,y)-G(x-1,y),(5)▽Gv(x,y)＝G(x,y)-G(x,y-1),(6)(其中▽Gh(x,y)，▽Gv(x,y)，▽Gmd(x,y)和▽God(x,y)分别为0°，90°，135°，15°四个方向上的梯度，另外将尺寸W×H设置大小为3×3)步骤4：按下述式子得到初始权重图步骤5：由于获得的初始权重图嘈杂且缺乏空间一致性，因此需使用滤波器对其细化得到最终的权重图(其中GFr,ε定义为滤波器操作，而r和ε为相应的滤波参数，分别为7和10-6)步骤6：获取融合后的细节层步骤7：获取融合后的低阶图像FL。Step3：显着性图像的融合显着性图像XS(X∈{IR，VI})主要包含显着性信息和边缘信息。通常，显着性图像中的像素值本文档来自技高网...

【技术保护点】
1.一种基于滑动窗口技术的红外与可见光图像融合方法，所述方法包括以下步骤：/n(1)提出基于滑动窗口技术的分解方法用于分解源图像X(X∈{IR，VI})为低阶图像X

【技术特征摘要】
1.一种基于滑动窗口技术的红外与可见光图像融合方法，所述方法包括以下步骤：
(1)提出基于滑动窗口技术的分解方法用于分解源图像X(X∈{IR，VI})为低阶图像XL和显着性图像XS；
(2)通过对低阶图像XL(X∈{IR，VI})执行两尺度融合规则来获取融合的低阶图像FL；
(3)通过对显着性图像XS(X∈{IR，VI})执行自适应融合规则来获取融合显着图像FS；
(4)将融合的低阶图像FL和显着性图像XS相加以重构融合图像F。


2.根据权利要求1所述的一种基于滑动窗口技术的红外与可见光图像融合方法，其特征在于：
(1)为利用滑动窗口技术和RPCA技术稳健地分解源图像：首先使用从左上到下的滑动窗口，从源图像获取P个大小为L×L的图像斑块，并将得到的P个图像斑块矢量化，拼接成为新矩阵；其次使用GreBsmo算法得到稀疏矩阵；然后通过中值滤波器将稀疏矩阵重构为显着性图像；最后将输入图像减去获取的显着性图像，获得低阶...

【专利技术属性】
技术研发人员：李忠民，李威，鄢慧斌，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西;36