一种sar、红外、可见光图像融合方法
【技术领域】
[0001] 本发明属于图像处理技术领域，涉及一种图像配准和图像融合方法，尤其是涉及 一种SAR、红外、可见光图像融合的方法。
【背景技术】
[0002] 随着空间技术的快速发展以及新型传感器的不断出现，人们能够获取大量的不同 空间分辨率、不同时间分辨率、不同光谱分辨率的SAR、红外、可见光等数据，从而构成了用 于全球变化研究、地理信息系统数据库更新、环境监测、资源调查、灾害评估与防治、军事应 用等方面的多层次遥感影像集。为了充分利用来自不同传感器的各类遥感信息，克服遥感 影像信息提取与解译单一信息源的不足，多传感器信息融合技术为多源遥感信息的融合利 用提供了一个主要解决途径。所谓信息融合，是指在一定的准则下，对来自多个传感器的信 息进行多层次、多方面、多级别的处理与综合，从而获得更可靠、更精确、更丰富的信息。
[0003] SAR属于主动式微波成像传感器，穿透性好，具有全天候、全天时对地观测的能力， 主要根据地物介电常数和表面粗糙度等特性成像；红外图像传感器主要根据物体的热辐射 特性成像；可见光图像传感器主要根据物体的光谱反射特性成像。因而，通常情况下，SAR 图像的地物轮廓清楚，对比度、结构信息比较好，具有丰富的纹理信息；红外图像很好地给 出了目标存在特性和位置特性，但目标边缘模糊；而可见光图像包含了丰富的地物光谱信 息，能够很好地描述场景中的环境信息。因此，采用图像融合技术将多源图像传感器的特性 有机地结合起来，可以充分发挥多种图像数据的潜力，提高遥感解译和信息提取的精度和 效率。
【发明内容】
[0004] 本发明的目的是提供一种SAR、红外、可见光图像融合的方法，该方法不仅获得了 具有超高质量的融合图像，同时还具有较高的融合速度。
[0005] 本发明解决其技术问题所采用的技术方案如下：
[0006] -种SAR、红外、可见光图像融合的方法，包括以下步骤：
[0007] 步骤一、针对同一目标场景，分别采集原SAR、红外、可见光图像。
[0008] 步骤二、对采集到的原红外与可见光图像进行去噪处理、对原SAR图像进行降斑 处理：
[0009] (1)提出一种新的自适应混合噪声滤波方法对采集到的原红外与可见光图像分别 进行去噪处理：
[0010] 设含有噪声的图像为g，其大小为PXQ个像素，滤波输出图像为f。对含噪声图像 进行从左到右从上到下的滤波。
[0011] 1)检测噪声类型
[0012] 首先，以噪声图像g中像素（i，j)为中心选取像素为3X3窗口 Spq，求出滤波窗内 像素的方差：
[0014] 式中，
表示点（i，j)处的灰度值。
[0015] 令阈值为T1，其设置域是滤波窗平均灰度值m的一次函数，即T1= -kXm+b，这里 取 k = 0· 15, b = 80。
[0016] 判断σ 2与T 大小关系：当σ 2> T i时，则认为该滤波窗内受到椒盐噪声的污 染，执行步骤（2)中的①；当〇2< T1时，则认为该滤波窗内受到高斯噪声的污染，执行步骤 (2)中的②。
[0017] 2)滤波算法
[0018] ①受椒盐噪声污染滤波算法
[0019] a、首先，求出滤波窗内灰度最大值max和最小值min，然后把滤波窗内每个像素的 灰度值g(i，j) (i，j e滤波窗口 Spq)与最大值和最小值进行比较，去除那些等于最大值或 最小值的像素点。
[0020] b、如果滤波窗内剩余像素不为零，则求出剩余像素的平均值M，并计算平均像素灰 度值与滤波窗中点像素灰度值的差的绝对值d= |M_g(i，j) I。将此绝对值与设定的阈值T1 进行比较，若d > T1，则输出剩余像素均值M ;若d < T1，则输出滤波窗中点像素灰度值g(i， j)。
[0021] c、若滤波窗内剩余像素为零，则扩大滤波窗口尺寸为5X5,并重复上述步骤a、b， 如果剩余像素仍为零，则图像输出为：
[0023] ②受高斯噪声污染滤波算法
[0024] a、首先计算出滤波窗内像素的梯度绝对值：
[0025] td = I g(i-l，j)+g(i，j-l)+g(i，j+l)+g(i+l，j)-4g(i，j) I (3)。
[0026] b、若梯度绝对值td大于某一给定的阈值T2CT2= -kXm+b，m为滤波窗平均灰度 值，这里取k = 0. 3, b = 160)，则直接输出原像素；否则，输出滤波窗像素灰度值均值。
[0027] 3)重复步骤1)和2)，直至完成所有像素点的滤波处理，最后得到除噪后的图像。
[0028] (2)利用基于稀疏表示的SAR图像去噪方法对采集到的原SAR图像进行降斑处理， 其具体步骤如下所示：
[0029] a、对原SAR图像进行非局部滤波处理，得到低频图像flOTpass;
[0030] b、用原SAR图像减去非局部滤波处理后得到的低频图像flOTpass获取含噪声和部分 边缘纹理的高频图像；
[0031] c、对上步得到的高频图像进行分割处理，采用剪切波提取出其中的线状目标图像 C，采用小波提取出其中的点状目标图像P ;
[0032] d、将上述得到的低频图像flOTpass与线状目标图像C、点状目标图像P进行加权融 合，得到最终的图像f fuslcm。具体过程为：
[0033] ffuslon= a f lowpass+β P+γ C (4)，
[0034] 式中，ffuslcin为加权融合所得图像；f lciwpass为非局部滤波所得低频图像部分；P为从 尚频图像中提取的点状目标图像；C为从尚频图像中提取的线状目标图像；α、β、γ为加 权系数，α+β + γ = 1，加权系数的确定需要根据图像中目标的特点来确定。
[0035] 步骤三、利用基于互信息的配准方法及基于小波变换的融合方法将SAR、红外、可 见光图像进行配准融合：
[0036] (1)将处理后的SAR图像和可见光图像进行配准融合，得到配准融合图像C1，其具 体步骤如下所示：
[0037] a、将准备进行配准融合的两幅图像分别设为基准图像A和浮动图像B ;
[0038] b、在浮动图像B中选取两幅图像共有的那一部分，作为匹配模板图像B1;
[0039] c、设定初始点，一般从左上角起始点开始，将匹配模板B1在基准图像A中滑动并 计算出两幅图像间的区域互信息值；
[0040] d、采用遗传算法的搜索策略，通过比较梯度互信息值的大小，不断改变空间变换 坐标，直到找到区域互信息值的全局最优值，并输出对应的位置，即得到最优配准参数；
[0041] e、利用小波变换将配准后的两幅图像进行融合，得到最后的配准融合图像。
[0042] (2)将处理后的红外图像和可见光图像进行配准融合，得到配准融合图像C2，具体 步骤同⑴中的a~e。
[0043] (3)将得到的SAR、可见光的配准融合图像C1与红外、可见光的配准融合图像(： 2进 行配准融合，得到融合图像C3，具体步骤同（1)中的a~e。
[0044] 本发明与现有技术相比，具有以下优点：
[0045] 第一，本发明将SAR、红外、可见光图像进行融合，将多源图像传感器的特性有机地 结合起来，充分发挥了多种图像数据的潜力，提高了遥感解译和信息提取的精度和效率。
[0046] 第二，本发明中提出的SAR、红外、可见光图像融合的方法，不仅能得到具有超高质 量的融合图像，还具有较高的融合速度，从而在夜视侦察、遥感、医学、安防监控等军事和民 事领域有着广阔的应用前景。
[0047] 第三，本发明中在对采集到的原可见光与红外图像进行去噪处理时提出一种新的 自适应混合噪声滤波算法。该算法将中值滤波、均值滤波与阈值选择相结合，不仅能很好地 滤除噪声，而且能较好地保护图像的细节。
[0048] 第四、本发明中在对采集到的SAR图像进行降斑处理时提出一种基于稀疏表示的 SAR图像降斑算法，可以充分利用图像中高频部分的有用信息，兼顾了噪声抑制效果和纹理 细节保留。该算法是一种有效的针对高分辨率、纹理丰富的SAR图像相干斑抑制算法。
[0049] 第五，本发明中在进行图像融合时采用小波变换法对图像进行分解。由于在小波 分解过程中图像的数据量不变，同时各层的融合可并行进行，所有其计算速度和所需的存 储量都具有很好的优势。
【附图说明】
[0050] 图1为SAR、红外、可见光图像融合方法的流程图；
[0051] 图2为基于稀疏表示的SAR图像降斑处理流程图；
[0052] 图3为图像配准融合流程图。
【具体实施方式】
[0053] 下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本 发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖 在本发明的保护范围中。
[0054] 本发明提供了一种SAR、红外、可见光图像融合的方法，如图1所示，包括以下步 骤：
[0055] S1、针对同一目标场景，分别采集原SAR、红外、可见光图像。
[0056] S2、对采集到的原红外与可见光图像进行去噪处理、对原SAR图像进行降斑处理。
[0057] S21、提出一种新的自适应混合噪声滤波方法对采集到的原红外与可见光图像分 别进行去噪处理：
[0058] 设含有噪声的图像为g，大小为PXQ，滤波输出为f。对含噪声图像进行从左到右 从上到下的滤波。图像去噪过程的具体步骤如下：
[0059] S211、检测噪声类型
[0060] 首先，以噪声图像g中像素（i，j)为中心选取像素为3X3窗口 Spq，求出滤波窗内 像素的方差：
[0062] 式中，
表示点（i，j)处的灰度值。
[0063] 令阈值为T1，其设置域是滤波窗平均灰度值m的一次函数，即T1= -kXm+b，这里 取 k = 0· 15, b = 80。
[0064] 判断σ 2与T ^