本发明属于图像处理领域,特别涉及一种基于对比度显著性的可见光红外图像融合方法。
背景技术:
1、红外成像因其能够容易的获得目标的温度信息,且可以昼夜工作,在成像领域的应用越来越广泛。但红外成像也有其局限性,在温度不敏感的情况下,红外成像很难将目标与背景区分开来。
2、相对地,可见光强度图像具有更多的图像细节和纹理信息,但其易受环境、天气等外在因素影响,在对比度低或背景杂乱的情况下目标信息并不明显。
3、近年来,为了充分发挥红外图像和可见光图像的优点,可见光红外图像融合技术成为了多波段图像融合领域里的重要分支,可见光红外图像融合技术将可见光图像和红外图像的有效信息进行融合,对人类视觉感知、目标检测及识别都有着重要的意义。
4、现有的可见光红外图像融合方法包括基于像素显著性的导向滤波的图像融合方法和线性融合方法,融合后的图像中对比度明显但像素强度不高的细节部分缺失,图像边缘较模糊。
技术实现思路
1、鉴于以上分析,本发明旨在提供一种基于对比度显著性的可见光红外图像融合方法,用以解决现有的可见光红外图像融合方法融合后的图像中对比度明显但像素强度不高的细节部分缺失,图像边缘较模糊的问题。
2、本发明的目的主要是通过以下技术方案实现的:
3、一种基于对比度显著性的可见光红外图像融合方法,包括以下步骤:
4、步骤1、对输入的可见光、红外灰度图像求取高水平梯度且低垂直梯度图;
5、步骤2、比较可见光、红外灰度图像的高水平梯度且低垂直梯度图,求取对比度显著性图像istatistical;
6、步骤3、基于对比度显著性图像求取可将光图像和红外图像的导向图图像pvis和pir;
7、步骤4、对输入的可见光及红外灰度图像进行均值滤波以获取细节层和背景层;
8、步骤5、对输入的可见光、红外灰度图像根据求得的导向图图像pvis和pir分别进行不同滤波器和不同模糊系数的导向滤波,获得可见光和红外图像细节层权重系数wdvis、wdir和背景层的权重系数wbvis、wbir;
9、步骤6、分别将步骤5中求得的细节层权重系数wdvis、wdir和背景层的权重系数wbvis、wbir与可见光、红外的细节层、背景层加权后得到融合后图像的细节层fusiond和背景层fusionb;
10、步骤7、对步骤6所得的可见光红外融合后的细节层fusiond和可见光红外融合后的背景层fusionb相加得到最终融合结果图像fusion。
11、进一步地,步骤1中,使用x方向的梯度图减去y方向的梯度图,分别求取可见光、红外灰度图像的高水平梯度且低垂直梯度图。
12、进一步地,步骤1中,求取梯度图的算子使用sobel算子。
13、进一步地,步骤1中,输入的可见光、红外图像均为灰度图像。
14、进一步地,步骤2中,对比度显著性图像的每个像素点取可见光、红外这两个高水平梯度且低垂直梯度图矩阵中的最大值,得到对比度显著性图像istatistical。
15、进一步地,步骤3中,可见光图像和红外图像的导向图图像pvis和pir求取方法为:将对比度显著值图像分别与可见光及红外的高水平梯度且低垂直梯度图比较,值相等的像素点位置导向图值为1,值不等的像素点位置导向图值为0。
16、进一步地,步骤4中,对输入的可见光、红外灰度图像分别进行均值滤波获取其细节层和背景层,其中背景层平滑程度很大,采用31×31的均值滤波器,以获得背景层,并根据获得的背景层计算细节层:
17、vismean-d=vis-vismean-b (6)
18、irmean-d=ir-irmean-b (7)
19、其中,vismean-d、irmean-d分别为均值滤波后的可见光、红外灰度图像的细节层,vis为可见光灰度图像,ir为红外灰度图像,vismean-b、irmean-b分别为均值滤波后的可见光、红外灰度图像的背景层。
20、进一步地,步骤5中,利用导向滤波函数求得可见光图像的细节层的权重系数wdvis的过程为公式(8);利用导向滤波函数求得可见光图像的背景层的权重系数wbvis的过程为公式(9):
21、wdvis=guiderfiler(vis,pvis,kd,epsd) (8)
22、wbvis=guiderfiler(vis,pvis,kb,epsb) (9)
23、利用导向滤波函数求得红外图像的细节层的权重系数wdir的过程为公式(10);利用导向滤波函数求得红外图像的背景层的权重系数wbir的过程为公式(11):
24、wdir=guiderfiler(ir,pir,kd,epsd) (10)←
25、wbir=guiderfiler(ir,pir,kb,epsb) (11)
26、其中,公式中guiderfiler()表示导向滤波函数;vis为可见光灰度图像;ir为红外灰度图像;pvis和pir为步骤3中分别求取的可见光、红外图像的导向图图像;kb和kd为不同大小的滤波器;epsb和epsd为不同大小的模糊系数。
27、进一步地,计算背景层的权重图时采用的滤波器的窗口半径为8,模糊系数为0.3*0.3。计算细节层权重图时采取滤波器的窗口半径为4,模糊系数为0.03*0.03。
28、进一步地,步骤6中,融合方法为:
29、fusiond=vismean-d*wdvis/(wdvis+wdir)+irmean-d*wdir/(wdvis+wdir) (12)
30、fusionb=vismean-b*wbvis/(wbvis+wbir)+irmean-b*wbir/(wbvis+wbir) (13)。
31、本发明可实现如下有益效果:
32、(1)本发明的基于对比度显著性的可见光红外图像融合方法,引入了图像对比度显著性的概念,使得图像区域中对比度明显但像素强度值不高的细节信息得以保留;结合导向滤波能够更好的保持边缘的特性,使融合后图像获得更多的有效信息。本发明对人类视觉感知、目标检测及识别都有着重要的意义。
33、本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
1.一种基于对比度显著性的可见光红外图像融合方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于对比度显著性的可见光红外图像融合方法,其特征在于,步骤1中,使用x方向的梯度图减去y方向的梯度图,分别求取可见光、红外灰度图像的高水平梯度且低垂直梯度图。
3.根据权利要求1或2所述的基于对比度显著性的可见光红外图像融合方法,其特征在于,步骤1中,求取梯度图的算子使用sobel算子。
4.根据权利要求1所述的基于对比度显著性的可见光红外图像融合方法,其特征在于,步骤1中,输入的可见光、红外图像均为灰度图像。
5.根据权利要求1所述的基于对比度显著性的可见光红外图像融合方法,其特征在于,步骤2中,对比度显著性图像的每个像素点取可见光、红外这两个高水平梯度且低垂直梯度图矩阵中的最大值,得到对比度显著性图像istatistical。
6.根据权利要求5所述的基于对比度显著性的可见光红外图像融合方法,其特征在于,步骤3中,可见光图像和红外图像的导向图图像pvis和pir求取方法为:将对比度显著值图像分别与可见光及红外的高水平梯度且低垂直梯度图比较,值相等的像素点位置导向图值为1,值不等的像素点位置导向图值为0。
7.根据权利要求6所述的基于对比度显著性的可见光红外图像融合方法,其特征在于,步骤4中,对输入的可见光、红外灰度图像分别进行均值滤波获取其细节层和背景层,其中背景层平滑程度很大,采用31×31的均值滤波器,以获得背景层,并根据获得的背景层计算细节层:
8.根据权利要求7所述的基于对比度显著性的可见光红外图像融合方法,其特征在于,步骤5中,利用导向滤波函数求得可见光图像的细节层的权重系数wdvis的过程为公式(8);利用导向滤波函数求得可见光图像的背景层的权重系数wbvis的过程为公式(9):
9.根据权利要求8所述的基于对比度显著性的可见光红外图像融合方法,其特征在于,计算背景层的权重图时采用的滤波器的窗口半径为8,模糊系数为0.3*0.3。计算细节层权重图时采取滤波器的窗口半径为4,模糊系数为0.03*0.03。
10.根据权利要求9所述的基于对比度显著性的可见光红外图像融合方法,其特征在于,步骤6中,融合方法为: