[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

说明书

本发明提供了一种基于视觉显著映射与最小二乘优化的图像融合方法，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；基于所述目标基本层和目标细节层重建并得到融合图像；本发明输出的红外与可见光融合图像包含更少的红外噪声，并且图像中的细节信息更加清晰，更加自然；提出的融合方法恰当地结合了红外特征与可见光特征各自的优势，产生了更好的融合结果。

技术领域

本发明属于图像融合技术领域，尤其涉及一种基于视觉显著映射与最小二乘优化的图像融合方法。

背景技术

近些年来，独立单波段光学目标检测技术已取得了很大的成就。但在光线较暗的情况下，或者遇到伪装、遮挡、大雾等恶劣的状况，单波段目标检测系统将很难取得理想的目标检测效果。为此，在军用民用等领域中，日益依赖多波段图像的配合来完成指定的目标检测任务，这其中红外与可见光多波段图像目标检测技术受到了越来越多的关注。利用红外与可见光多波段图像进行目标检测，获得的信息比单用其中任何一个都要丰富得多，且特征具有很强的互补性。

可见光传感器成像分辨率较高，且细节丰富，有利于场景理解与目标的识别分类，但成像系统在光线较暗时成像较差，且较难检测到受遮挡、伪装的目标。红外传感器基于物体的热辐射成像，受光线、天气等条件的影响较小，且能够检测识别出伪装、遮挡下的目标，但红外传感器的成像分辨率较低，缺乏场景的细节信息。为此，国内外对红外与可见光多波段图像融合技术进行了深入的研究，证明可充分利用不同传感器的优势，有效弥补单一传感器的不足。

发明内容

针对上述技术问题，本发明提供了一种基于视觉显著映射与最小二乘优化的图像融合方法，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。