[发明专利]基于卷积字典学习的可见光与红外图像融合方法

说明书

本发明公开了一种基于卷积字典学习的可见光与红外图像融合方法，包括以下步骤：步骤1，源图像分解；将可见光与红外图像分解成低频分量和高频分量；步骤2，低频分量融合；对低频分量使用平均值融合策略；步骤3，高频分量融合；首先使用卷积字典获得高频分量的稀疏系数；然后对采用最大值策略获得高频分量的融合稀疏系数；最后逆变换得到融合后的高频分量。步骤4，图像重构。本发明的优点是：不仅较好保留边缘细节信息，而且能有效地避免伪影，加速融合速度。

技术领域

本发明涉及图像融合技术领域，特别涉及一种基于卷积字典学习的可见光与红外图像融合方法。

背景技术

在光线照度充足的条件下，可获得高清晰的、高亮度的可见光图像，人眼能轻松地识别该图像中的目标，然而当光线较暗或者在烟云密布的恶劣环境下，人眼很难识别目标的轮廓。与目标的可见光图像不同，目标的热图像不是人眼所能看到的可见光图像，而是表面温度分布图像。热红外图像通过红外感温仪收集、记录目标辐射出来的人眼看不到的热红外辐射信息，热红外图像常用于获取高温目标的信息，如，火灾、夜间监控、地质找矿等。但是红外图像没有可见光图像那样的高清晰和高亮度，只能识别大致的目标轮廓，而很难识别到目标的具体细节信息。因此通过融合技术手段，将两种类型的图像进行信息融合，获得的融合图像为后期的检测、识别和跟踪提供清晰可靠的图像基础。

红外和可见光融合算法是多模态融合算法的一种应用，近年来，随着信号处理的数学理论迅速发展，许多红外与可见光融合算法被不断地提出和实现。基于多尺度几何分析和基于稀疏域的融合算法最为流行，前者利用多尺度几何分析理论构建最优图像表示，所获得图像具有多分辨率、局部特性、方向性和各向异性等性质，但易受制于分解层数和分解函数；后者以学习方式获得过完备字典来替代固定的基函数，学习的过完备字典不仅能够提升图像的稀疏表示性能，而且适应不同类型的图像数据。

相比于传统的字典，利用卷积字典的平移不变性可捕获图像中常见的偏移局部模式。因此，卷积字典学习在图像处理领域有着广泛的应用。目前比较流行的卷积字典学习方法有两种：增广拉格朗日(AL)方法和可变交替方向乘法器(ADMM)方法。但是上述两者都有缺点：AL方法的参数整定过程不简单，而且在实际应用中，AL方法的收敛性取决于非凸卷积字典学习问题的AL参数；ADMM算法的记忆变量收敛稳定性不理想。

发明内容

本发明针对现有技术的缺陷，提供了一种基于卷积字典学习的可见光与红外图像融合方法，解决了现有技术中存在的缺陷。

为了实现以上发明目的，本发明采取的技术方案如下：

一种基于卷积字典学习的可见光与红外图像融合方法，包括以下步骤：

步骤1，源图像分解；

使用快速傅里叶变换方法，将可见光与红外图像{x_A,x_B}变成低频分量和高频分量

步骤2，低频分量融合；

对低频分量使用平均值融合策略，

融合后的低频分量用表示。

步骤3，高频分量融合；

首先将卷积基追踪去噪算法作用于卷积字典{d_k}和高频分量获得高频分量的稀疏系数然后对采用“最大值”策略获得高频分量的融合稀疏系数最后使用快速傅里叶逆变换得到融合后的高频分量

步骤4，图像重构；

融合图像可通过以下策略重构，

{x_F}为融合图像。

与现有技术相比，本发明的优点在于：