[发明专利]基于图像增强与NSCT的红外和可见光图像融合方法

说明书

本发明公开了一种基于图像增强与NSCT的红外与和见光图像融合方法。该方法步骤如下：首先，利用均值滤波的方法获得红外图像透射率的粗估计，通过图像统计信息实现粗透射率的细化，依据大气散射物理模型实现红外图像的增强；然后，采用非下采样轮廓波变换对增强后的红外和可见光图像分别进行多尺度、多方向的分解，利用基于局部能量的规则融合低频系数，对高频系数采用系数值选大与局部均方差相结合的融合规则；最后，将得到的系数进行NSCT逆变换得到最终的融合图像。本发明不仅能凸显红外图像的目标信息，还能尽可能多的保留可见光图像丰富的细节信息，具有显著的视觉效果和较高的客观质量评价指标。

技术领域

本发明属于多源图像融合技术领域，特别是一种基于去雾模型的红外图像增强技术并利用非下采样轮廓波变换(Non-subsampled Contourlet Transform，NSCT)与局部区域融合规则相结合的红外和可见光图像融合方法。

背景技术

图像融合的目的是整合多源数据，使融合后的图像拥有比单一传感器获得的信息更全面、更准确。图像融合是机器视觉领域的研究热点，已被广泛应用于军事、遥感、生物医学、航空航天等领域。目前最为常见的是红外和可见光图像的融合，利用融合技术将红外和可见光图像进行融合，既可改善红外图像对比度低、背景模糊的特点，又能改善可见光对光照强度的强依赖性。

传统的图像增强方法有直方图均衡化方法(HE)、在(HE)基础上改进的平台直方图均衡化方法(PHE)，HE算法根据图像累加直方图进行图像重新分配，在提高背景和噪声对比度的同时降低了目标的对比度，而PHE算法需要对灰度值设置阈值，阈值选择不当易造成增强后的图像质量下降。

传统的融合方法有基于主成分分析法(PCA method，PCA)、拉普拉斯金字塔法(Laplacian Pyramid，LP)、低通比率金字塔法(Ratio Pyramid，RP)、Haar小波变换法(DWTwith Harr，DWH)、形态学金字塔法(Morphology Pyramid，MP)等，基于PCA重构后的图像往往容易丢失图像的对比度信息，造成图像对比度低，不利于人眼观察；LP算法中，由于量化或者阈值等操作容易引入噪声，造成图像清晰度低，效果不理想；RP算法容易造成融合后的图像出现失真，干扰人眼视线；DWT算法存在大的冗余度，容易丢失细节信息；MP算法是运用二值腐蚀和膨胀、二值开闭运算来达到图像处理的目的，但是其融合图像往往会有边缘伪影的出现，融合效果不理想。

发明内容

本发明的目的在于提供一种视觉效果显著、客观质量评价指标较高的基于图像增强与NSCT的红外与和见光图像融合方法，不仅能凸显红外图像的目标信息，还能尽可能多的保留可见光图像丰富的细节信息。

实现本发明目的的技术解决方案为：一种基于图像增强与NSCT的红外与和见光图像融合方法，利用红外图像和可见光雾化图像之间的相似性，对红外图像进行基于去雾模型的图像增强，然后采用基于非下采样轮廓波变换与局部区域融合规则相结合的红外与可见光图像融合方法，具体步骤如下：

步骤1、基于红外热成像原理建立大气对红外辐射的总衰减模型；

步骤2、运用经典的大气散射物理模型描述可见光图像的雾化过程，并建立红外图像的雾化模型；

步骤3、对红外图像I(x)进行r×r的均值滤波，获取初始的透射率估计通过图像统计信息实现粗透射率估计的细化，得到最终的透射率估计；

步骤4、求得环境光值A，恢复出对比度增强的红外图像R(x)；

步骤5、分别对红外图像R(x)、可见光图像V(x)进行NSCT变换，得到各自分解后的低频低通系数和高频带通系数：(1≤k≤K,1≤i≤I_k)和(1≤k≤K,1≤i≤I_k)，I_k表示K级分解上第k层的方向分解数量，C₀表示低频低通系数，G_k,i表示高频带通系数；