[发明专利]一种红外光强与偏振图像多类变元组合的融合方法

说明书

本发明公开了一种红外光强与偏振图像多类变元组合的融合方法，包括以下步骤：S1：对采集图像特征进行类型分类；S2：将采集的图像的融合过程分成四类变元组；S3：建立四类变元组和三类图像特征的一一映射关系；S4：将建立变元组与图像特征之间的多个独立的一一映射关系，利用决策树方法建立以图像特征为起点，以变元组内变元为子结点的多集值映射关系；S5：利用边缘、纹理、亮度特征提取方法对图像进行特征提取并计算其特征幅值，并计算两类图像特征之间的差异特征幅值的绝对值；S6：将S5所得到的差异特征顺序关系输入到S4所得到的公式(2)中，可以得到四类变元组每个变元组内变元的选择情况。

技术领域

本发明属于图像融合领域，具体为一种红外光强与偏振图像多类变元组合的融合方法。

背景技术

红外光强图像描述物体的强度信息，红外偏振图像描述物体的偏振信息，两类图像分别描述了物体的不同属性，具有很强的互补性，将两类图像融合，能够更全面的表达场景信息，提高图像视觉效果。由于场景信息日益复杂、传统融合算法不能根据图像间的不同特征动态调整融合算法中的多尺度变换方法、融合规则、融合参数、逆变换准则及其组合方式，造成原始图像的主要特征融合效果不好，不能全面的表达目标信息。

近年来，为了解决融合算法不能根据不同图像特征从而进行动态调整的问题，研究人员主要开展了如下研究：(1)调整融合算法中的部分结构：研究人员尝试利用不同类型小波与简单融合规则组合的方法进行图像融合。该方法只考虑了利用不同小波进行图像分解，没有考虑到利用目前的多尺度分解方法，而且所利用的高、低频子带融合规则只采用简单的绝对值取大或取小的方法。该方法可以实现根据图像特征变化时融合算法中的小波类型进行动态调整，但是不能调整融合规则和融合参数。由于该方法考虑从融合算法内部进行改变，解决在图像特征不同时融合算法进行动态调整。但是该方法只考虑了小波类型的变化，没有考虑融合规则、融合参数对图像特征融合效果的影响，因此该方法只能针对部分图像特征得到很好的融合效果。(2)利用图像不同差异特征，动态调整融合算法：有学者尝试利用图像的差异特征驱动图像融合算法，这种方法可以针对图像的不同差异特征改变融合算法，使多算法融合模型的融合性能得到进一步提升。该方法虽然针对图像不同差异特征，动态调整融合算法，图像差异特征可以得到较好融合效果，但是该方法只考虑了融合算法进行改变，并没有考虑融合算法内部必要组成部分的改变以及进行不同的组合，导致融合效果的提升不明显。

发明内容

本发明为解决图像融合过程中，融合方法不能根据图像差异特征不同，动态调整融合算法，导致所得到融合图像融合效果差的问题，提供一种红外光强与偏振图像多类变元组合的融合方法。

本发明为解决上述问题而采取的技术方案为：

一种红外光强与偏振图像多类变元组合的融合方法，包括以下步骤：

S1：对采集的红外光强图像和红外偏振图像的图像特征进行类型分类：根据图像特征的视觉效果，可以将图像特征分为三类：边缘特征、纹理特征和亮度特征；

S2：将采集的红外光强图像和红外偏振图像的融合过程分成多尺度分解方法变元组、融合规则变元组、融合参数变元组、逆变换准则变元组四类变元组，确定每类变元组内变元；

S3：利用公式(1)分别建立步骤S2的四类变元组和步骤S1的三类图像特征的一一映射关系，当公式(1)计算所得的数值为正时，建立映射关系；所得数值为负时，不建立映射关系，其中公式(1)如下：

公式中x_i为客观评价指标的数值，n为多尺度分解方法变元组组内变元或者融合规则变元组组内变元的总数，y_i为计算所得比较融合数值，其中y_i＞0认为其对应的变元组与所对应的图像特征融合是有效融合，数值越大融合效果越好，y_i≤0证明该算法不合适该特征的融合，既为无效融合变元；