[发明专利]基于边缘信息增强的偏振差分与光强图像多尺度融合方法

说明书

本发明提供了一种基于边缘信息增强的偏振差分与光强图像多尺度融合方法，包括分别采用最小互信息偏振差分成像法和偏振信息解析得到偏振差分图像和光强图像；其次，对光强图像采用三维块匹配滤波算法去噪、导向滤波算法增强；对偏振差分图像进行仿射变换和三维块匹配滤波算法去噪；采用双树复小波变换将光强图像和偏振差分图像分解成高频系数和低频系数，高频系数中在不同分解层上不同方向的高频系数图像采用基于边缘检测的融合规则，低频系数中不同方向的低频系数图像采用基于区域方差和方差匹配度的融合规则；通过双数复小波逆变换得到融合图像。

技术领域

本发明涉及一种图像处理技术，特别是一种基于边缘信息增强的偏振差分与光强图像多尺度融合方法。

背景技术

复杂背景下的目标探测是军事领域和民用领域的重要研究课题，图像融合可以利用图像间的冗余信息和互补信息，突出图像中的有用信息，使得对同一场景的图像描述更加准确、全面。因此，图像融合技术是复杂背景下后续目标检测、识别及跟踪的基础。

目前，图像融合技术一般分为两类，基于空间域的图像融合和基于变换域的图像融合。前者针对像素灰度值进行，如加权平均、主成分分析等；后者先对图像做相应的变换，在变换域内对系数进行相应的处理，再反变换得到融合图像，如金字塔变换融合法、小波变换融合法等。

(1)加权平均法是对原图像的像素值直接取相同的权值，然后进行加权平均得到融合图像的像素值。它具有简单易实现、运算速度快的优点，并能提高融合图像的信噪比，但是这种方法削弱了图像中的细节信息，降低了图像的对比度，在一定程度上使图像中的边缘变得模糊，应用范围有限，处理差异悬殊的图像效果不好，在多数应用场合难以取得满意的融合效果。

(2)主成分分析法是将待融合图像视为随机变量，求解它们的协方差矩阵，并解出特征值和特征向量，最大特征值所对应的特征向量即为第一主成分，最后依据得到的第一主成分确定各个待融合图像的加权系数。实际应用中，当某一传感器输出图像对比度较低时，这种权值分配方法效果会比较好。但一般情况下，主成分分析法对图像中的死点、噪声等干扰信息非常敏感。

(3)金字塔变换融合法是在各个分解层上对图像中感兴趣的部分进行相应处理。基于金字塔变换融合方法的优点是可以在不同空间分辨率上，有针对性地突出个图像重要特征和细节信息，相对于简单图像融合方法，融合效果有明显的改善。其缺点是图像的金字塔分解均是图像的冗余分解，即分解后各层间数据有冗余；同时在图像融合中高频信息损失较大，在金字塔重建时可能出现模糊、不稳定现象；图像的拉普拉斯、比率低通、形态学金字塔分解均无方向性。

(4)基于小波变换的图像融合方法是先对原图像分别进行小波变换，建立图像的小波金字塔分解；然后对各分解层采用不同的融合规则进行融合处理，得到融合后的小波金字塔；最后对融合后的小波金字塔进行小波变换，重构得到融合图像。它保留金字塔分解优点的同时，还具有许多独特的优良特性，如方向性、空间性、频域性。然而小波变换仍存在一定的局限性，由于在处理时存在下采样过程，小波变换不具备平移不变性。此外，小波变换的方向选择性较差，只能提供水平、垂直和对角方向的细节信息，不利于图像方向性信息的捕获。双树复小波变换的提出有效解决了上述问题，它在继承了小波变换的优良特性的基础上，还具备了平移不变性和良好的方向选择性，能够实现对信号更好的稀疏表示。

发明内容

本发明的目的在于提供一种基于边缘信息增强的偏振差分与光强图像多尺度融合方法，包括以下步骤：

步骤1，利用偏振成像系统分别采集三个不同偏振角度的光强图像I₁、I₂、I₃；

步骤2，对三个不同偏振角度的光强图像进行灰度化处理；

步骤3，对于灰度化处理的三幅不同偏振角度的光强图像，通过偏振信息解析获得待融合的光强图像I₀，以及通过基于最小互信息的偏振差分成像法得到偏振差分图像；