[发明专利]一种微光图像与红外图像融合方法

说明书

技术领域

本发明涉及图像融合技术领域，具体来说，涉及一种微光图像与红外图像融合方法。

背景技术

夜视装备主要有微光和红外两种，各有优缺点。微光的优点是视觉感受接近可见光，能很好的识别对于可见光反射率不一样的物体，缺点是对于温度不敏感，难以探测到隐蔽的目标；红外的优点是对于温度很敏感，能很好的探测到温差目标，且探测距离远，有穿透烟雾等能力，缺点是对于温度很接近的场景目标难以识别。

因此，把两种传感器的图像进行融合显示，使信息得到互补，让人在夜晚能更好的观察是目前亟需解决的问题。

发明内容

针对相关技术中的上述技术问题，本发明提出一种微光图像与红外图像融合方法，能够克服现有技术的上述不足。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种微光图像与红外图像融合方法，包括如下步骤：

S1：针对同一目标场景，分别采集微光图像和红外图像；

S2：对采集的微光图像和红外图像分别进行去噪处理，所述去噪处理包括：

S2.1：输入待降噪图像X，对所述待降噪图像X进行噪声估计，得到所述图像的噪声水平σ；

S2.2：设定所述待降噪图像X的噪声压缩倍数K，并得到目标权重W_t；

S2.3：根据噪声水平σ，计算所述图像X中每个像素点X_X与其邻域内每一个像素点X_Y之间的相似权重W_Y；

S2.4：根据相似权重W_Y和目标权重W_t将所述像素点X_X的总权重归一化到所述目标权重W_t，得到加权平均值X_X’，即为像素点X_X降噪后的像素值；

S2.5：遍历待降噪图像X所有的像素点，即得到降噪后的图像；

S3：利用基于边缘特征的图像配准方法将去噪后的微光图像和红外图像进行有效精确的配准，得到配准后的微光图像和红外图像；

S4：对配准后的图像进行图像融合；

S5：对融合后的图像进行图像增强处理，即得到融合后的目标图像。

进一步的，步骤S3中，图像配准的步骤如下：

设参考图像为I₁(x，y)，待配准图像为I₂(x，y)，大小同为P×Q个像素，其灰度直方图分别为H₁(n)、H₂(n)，对于每个灰度等级n＝i，H₁(n)和H₂(n)分别代表了灰度值为i的像素个数；

S3.1：利用小波变换法对源图像进行边缘提取，得到边缘图像；

S3.2：求取和

对于I₁(x，y)的每个灰度级n，计算I₂(x，y)相对于I₁(x，y)灰度值为n的对应像素集合的灰度值和方差

对于I₁(x，y)的每个灰度级n，计算I₁(x，y)相对于I₂(x，y)灰度值为n的对应像素集合的灰度值和方差

S3.3：计算I₁(x，y)和I₂(x，y)的期望方差和

S3.4：求得两幅图像的交互方差CI及其倒数AM；

S3.5：使用仿射变换模型，在不同参数条件下，反复计算两幅图像的AM；

S3.6：搜索出AM最大时对应的参数，此参数就是要求的配准参数；

S3.7：按照得到的配准参数及仿射变换模型校正待配准图像，得到配准后的图像。

进一步的，步骤S4中，图像融合的步骤如下：

S4.1：对配准后的红外图像和微光图像做双树复小波变换，得到低频系数和高频系数；

S4.2：对低频系数和高频系数做滤波处理；

S4.3：对低频系数和高频系数分别进行融合；

S4.4：对融合后的低频系数组和高频系数组做双树复小波变换，即可得到融合后的图像。

优选的，步骤S4.3中，对低频系数采用自适应加权融合，对高频系数采用压缩采样-脉冲耦合神经网络融合。

进一步的，步骤S5中，图像增强的步骤如下：

S5.1：将融合后的图像每个像素的色饱和度值进行增强处理；