勺大小关系：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S2121 ;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 S2122〇
[0065] S212、滤波算法
[0066] S2121受椒盐噪声污染滤波算法
[0067] 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。
[0068] 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)。
[0069] 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：
[0071] S2122受高斯噪声污染滤波算法
[0072] 首先计算出滤波窗内像素的梯度绝对值：
[0073] td = I g(i_l，j)+g(i，j_l)+g(i，j+l)+g(i+l，j)_4g(i，j) I。
[0074] 若梯度绝对值td大于某一给的的阈值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。
[0075] S213、重复上述步骤S211和S212,直至完成所有像素点的滤波处理，最后得到除 噪后的图像。
[0076] S22、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。如图2所示，其具体步骤如下所示：
[0077] S221、对原SAR图像进行非局部滤波处理，得到低频图像flOTpass;
[0078] S222、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；
[0079] S223、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 ;
[0080] S224、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 fuslcin。具体过程为：
[0081 ] ffuslon= a f lowpass+ β P+ γ C，
[0082] 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。
[0083] S3、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。
[0084] S31、将SAR图像和可见光图像进行配准融合，得到配准融合图像Q。
[0085] 图像配准融合流程图如图3所示，具体算法主要如下：
[0086] S311、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 ;
[0087] S312、在浮动图像B中选取两幅图像中都有的一部分，作为匹配模板图像B1;
[0088] S313、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 并计算两幅图像间的区域互信息值；
[0089] S314、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的全局最优值，并输出对应的位置，即得到最优配准参数；
[0090] S315、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。
[0091] S32、将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 S31 中的 S311-S315。
[0092] S33、将得到的SAR、可见光的配准融合图像(；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(： 3，具体步骤同S31中的S311-S315。
【主权项】
1. 一种SAR、红外、可见光图像融合的方法，其特征在于所述方法步骤如下： 步骤一、针对同一目标场景，分别采集原SAR、红外、可见光图像； 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； 步骤Ξ、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。2. 根据权利要求1所述的SAR、红外、可见光图像融合的方法，其特征在于所述步骤二 的具体步骤如下： (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； (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。3. 根据权利要求2所述的SAR、红外、可见光图像融合的方法，其特征在于所述去噪处 理的具体步骤如下所示： (1) 检测噪声类型 首先，W噪声图像g中像素（i，j)为中屯、选取像素为3X3窗口Spq，求出滤波窗内像素 的方差：.，： 式中，I(i，j)表示点（i，j)处的灰度值； 令阔值为Ti，当〇2>Τι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<τ拥，则认为该滤波窗内受到高斯噪声的污染，执行步骤似中的②； (2) 滤波算法 ① 受椒盐噪声污染滤波算法 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)与最大值和最小值进行比较，去除等于最大值或最小值的像素点； 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阔值Τι进行 比较，若d〉Ti，则输出剩余像素均值Μ;若d<Ti，则输出滤波窗中点像素灰度值g(i，_]·); 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：② 受高斯噪声污染滤波算法 a、 首先计算出滤波窗内像素的梯度绝对值： td= |g(i-l，j)+g(i，j-l)+g(i，j+l)+g(i+l，j)-4g(i，j)I; b、 若梯度绝对值大于某一给定的阔值T2,则直接输出原像素；否则，输出滤波窗像素灰 度值均值； 做重复步骤（1)和似，直至完成所有像素点的滤波处理，最后得到除噪后的图像。4. 根据权利要求3所述的SAR、红外、可见光图像融合的方法，其特征在于所述步骤（1) 中，阔值Τι= -kXm+b，m为滤波窗平均灰度值，k= 0. 15,b= 80。5. 根据权利要求3所述的SAR、红外、可见光图像融合的方法，其特征在于所述步骤② 中，阔值了2= -kXm+b，m为滤波窗平均灰度值，k= 0. 3,b= 160。6. 根据权利要求2所述的SAR、红外、可见光图像融合的方法，其特征在于所述降斑处 理的具体步骤如下所示： a、 对原SAR图像进行非局部滤波处理，得到低频图像胃P。,,； b、 用原SAR图像减去非局部滤波处理后得到的低频图像获取含噪声和部分边缘 纹理的高频图像； 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; d、 将上述得到的低频图像与线状目标图像C、点状目标图像P进行加权融合，得 至IJ最终的图像ffUM。。。7. 根据权利要求6所述的SAR、红外、可见光图像融合的方法，其特征在于所述步骤d 的具体过程为： ffusion=αflowpass+PP+yC, 式中，ffuM。。为加权融合所得图像；为非局部滤波所得低频图像部分；P为从高频 图像中提取的点状目标图像；C为从高频图像中提取的线状目标图像；α、β、丫为加权系 数，口+β+丫 = 1。8. 根据权利要求1所述的SAR、红外、可见光图像融合的方法，其特征在于所述步骤Ξ 的具体步骤如下： (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。； (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; (3) 将得到的SAR、可见光的配准融合图像。与红外、可见光的配准融合图像C2进行配 准融合，得到融合图像C3。9. 根据权利要求7所述的SAR、红外、可见光图像融合的方法，其特征在于所述步骤（1) 的具体步骤如下： 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Β; b、 在浮动图像B中选取两幅图像中都有的一部分，作为匹配模板图像Bi; C、设定初始点，一般从左上角起始点开始，将匹配模板Bi在基准图像A中滑动并计算 两幅图像间的区域互信息值； t采用遗传算法的捜索策略，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； 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。
【专利摘要】本发明公开了一种SAR、红外、可见光图像融合的方法，其步骤如下：步骤一、针对同一目标场景，分别采集原SAR、红外、可见光图像；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；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。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。
【IPC分类】G06T5/50, G06T7/00
【公开号】CN105321172
【申请号】CN201510547150
【发明人】孙婷婷, 周程灏, 王治乐, 朱瑶, 徐君, 庄雯
【申请人】哈尔滨工业大学
【公开日】2016年2月10日
【申请日】2015年8月31日