[发明专利]基于视觉显著映射与最小二乘优化的图像融合方法

权利要求书

1.一种基于视觉显著映射与最小二乘优化的图像融合方法，其特征在于，所述方法包括：

基于循环引导滤波与第一高斯滤波对红外可见光图像进行多尺度分解，得到基本层和细节层；

基于视觉显著映射对所述基本层进行融合，得到目标基本层；

基于加权最小二乘优化对所述细节层进行融合，得到目标细节层。

2.根据权利要求1所述的方法，其特征在于，所述基于循环引导滤波与第一高斯滤波对红外可见光图像进行多尺度分解，得到基本层和细节层，包括：

基于第二高斯滤波对所述红外可见光图像进行小尺度结构移除；

基于引导滤波对所述红外可见光图像进行迭代边缘恢复；

基于所述循环引导滤波对所述红外可见光图像进行多次滤波，得到所述基本层和细节层。

3.根据权利要求2所述的方法，其特征在于，所述基于视觉显著映射对所述基本层进行融合，得到目标基本层，包括：

提取所述红外可见光图像的视觉显著性映射；

基于所述视觉显著性映射对所述基本层进行加权融合，得到所述目标基本层。

4.根据权利要求3所述的方法，其特征在于，所述视觉显著性映射是根据图像中一个像素与所有其他像素的差值来定义像素级的显著性。

5.根据权利要求1所述的方法，其特征在于，所述基于加权最小二乘优化对所述细节层进行融合，得到目标细节层，包括：

基于“取最大绝对值”规则对所述细节层进行融合，得到初始融合结果；

基于加权最小二乘优化能量方程对所述初始融合结果和所述细节层进行优化，得到所述目标细节层。

6.根据权利要求5所述的方法，其特征在于，所述加权最小二乘优化包括：

获取所述目标细节层和所述细节层的第一平方差；其中，所述第一平方差表征所述目标细节层和所述细节层的相似度；

获取所述目标细节层与可见光图像细节层的第二平方差；其中，所述第二平方差表征所述目标细节层与所述可见光图像细节层的相似度。

7.根据权利要求6所述的方法，其特征在于，所述加权最小二乘优化还包括：

获取加权最小二乘优化的自适应权重；其中，所述自适应权重用于平衡所述第一方差和所述第二方差的重要度。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述目标基本层和目标细节层重建并得到融合图像。