[发明专利]基于区域分割的序列红外与可见光图像融合

说明书

技术领域

本发明涉及一种基于区域分割的序列红外与可见光图像融合，是基于非下采样Contourlet变换(Nonsubsampled Contourlet transform，NSCT)和区域分割的序列红外与可见光图像融合方法，可以应用于各类军用或民用的图像处理系统。

背景技术

随着传感技术的发展目前获取图像的方式越来越多以及数据量的剧增，大量的信息难以利用，因此图像融合技术成为国际研究的热点。图像融合作为数据融合的重要组成部分，是一种可视的数据融合技术，它综合了传感器技术，图像与信号处理、计算机技术、人工智能、统计与估计理论等多科学的高新技术。图像融合技术利用多源图像中的冗余信息和互补信息，利用优势互补的数据来提高图像信息的可用程度，同时增加了对融合图像的解释的可靠性，提高了融合图像应用的鲁棒性。

红外图像与可见光图像不同，红外图像不依赖于外部的光线，利用场景内物体本身各个部分热辐射的差异获取物体图像的细节，因此红外图像一般较暗，信噪比低、无彩色信息、缺少层次感，且目标图像与背景对比度低、边缘模糊；而可见光图像对比度相对较高，目标包含一定的细节信息，但在黑暗背景下具有不易观察的隐蔽性。因此将同一场景的红外图像和可见光图像融合形成的图像保留了由高局部高亮度对比表征的重要细节，大大提高了探测识别的可靠性和准确性。在图像融合的研究中以红外图像和可见光图像融合的研究最为广泛，其具有非常重要的主动监视作用，并在航空、航天等各领域有着重要的研究意义以及广泛的应用场所。但目前研究的多都是基于静态图像的融合，即对多传感器获得的序列图像直接逐帧以静态图像融合方法进行融合处理，如何利用序列图像在时间轴上的运动信息来指导图像融合过程是解决序列 图像融合的关键问题。

融合算法是图像融合的核心，它的实现的优劣直接影响融合的图像的质量。图像融合的算法要求算法要尽可能多的包含被融合的图像的有用信息，不能引用误导后续处理和识别的虚假信息，且算法要具有较好的稳定性、鲁棒性和具备消除噪声及配准中的误差容错性，以便于具有更好的表达和解释能力。因此图像融合算法成为目前的研究重点。

目前小波变换理论日益成熟，小波变换在图像处理中得到了广泛的应用。由于小波变换具有较好的时频特性，能有效的捕获图像中的特征信息，因此将其应用于图像融合能够获得比以往融合方法更好的效果。但是，小波方法仍然存在问题：小波变换的优势主要体现在对一维分段光滑或有界变差函数进行分析和处理，当推广到二维或更高维时，由一维小波张成的可分离小波只具有有限的方向，即以“点”为单位来捕捉图像的特征，只能反映“过”边缘特性，而无法表达“沿”边缘特性，也就是说，小波主要是用于表示具有各向同性(isotropy)的奇异性的对象，而对于各向异性(anisotropy)的奇异性，如自然图像中的边界以及线状特征等，小波并不是很好的表示工具。这也正是基于小波的一系列处理方法，如图像压缩、图像去噪以及图像融合等应用中，均不可避免地在图像边缘和细节位置引入一定程度模糊的原因所在。可见，在图像融合应用中，最好能采取比小波基表达能力更强的基函数，所以有必要采用比小波更有力的变换方法。

针对小波变换的上述缺点，需要发展新的高维函数的最优表示方法，随着多尺度几何工具研究的日益深入，M.N.Do和M.Vetterli提出了一种“真正的”二维图像的表示方法Contourlet变换。Contourlet基的支撑区间是随尺度而变化的“长条形”结构，因而能具有比小波变换更好的多分辨率、局部性、方向性和各向异性，能更加有效的 捕获图像的边缘信息。但是由于其变换过程中的下采样操作，信号频谱会产生混叠现象，融合图像中则表现为较明显的吉布斯现象。Arthur L.da Cunha等根据构造非下采样小波的启发提出了一种非下采样Contourlet变换(nonsubsampled Contourlet transform，NSCT)，该变换比Contourlet变换具有更灵活的多分辨、多方向的图像表示能力，且以冗余度换取了平移不变性。基于此将非下采样Contourlet变换引入图像融合，可以更好的保留原始图像的细节信息，提取图像的轮廓特征，为融合图像提供更多更全面的特征信息。