[发明专利]一种多源图像融合方法、系统

权利要求书

1.一种多源图像融合方法，其特征在于，所述多源图像融合方法包括：

根据深度特征提取算法与低通滤波融合算法将红外图像f_r(x,y)与微光图像f_l(x,y)进行融合以获得融合图像F_rl(x,y)；

根据无监督卷积神经网络模型将所述融合图像F_rl(x,y)与可见光图像f_v(x,y)进行融合以获得夜视图像G_rlv(x,y)。

2.根据权利要求1所述的多源图像融合方法，其特征在于，所述根据深度特征提取算法与低通滤波融合算法将红外图像f_r(x,y)与微光图像f_l(x,y)进行融合以获得融合图像F_rl(x,y)包括：

将所述红外图像f_r(x,y)与微光图像f_l(x,y)各自的每一帧源图像通过低通滤波算法分解为基础轮廓部分I^a和细节信息部分I^b；

针对所述基础轮廓部分I^a，通过平均加权融合策略获得图像轮廓信息F_a(x,y)；

针对所述细节信息部分I^b，提取所述细节信息部分I^b中的深度特征，通过多层融合策略获得权重图；

根据所述图像轮廓信息F_a(x,y)和权重图重构以获得融合图像F_rl(x,y)。

3.根据权利要求2所述的多源图像融合方法，其特征在于，所述将所述红外图像f_r(x,y)与微光图像f_l(x,y)各自的每一帧源图像通过低通滤波算法分解为基础轮廓部分I^a和细节信息部分I^b包括：

通过下述公式计算获得所述基础轮廓部分I^a和细节信息部分I^b：

I^b＝I-I^a；

其中，g_x＝[-1 1]表示水平梯度算子，g_y＝[-1 1]^T表示垂直梯度算子，λ为常参数。

4.根据权利要求2所述的多源图像融合方法，其特征在于，所述针对所述基础轮廓部分I^a，通过平均加权融合策略获得图像轮廓信息F_a(x,y)包括：

通过下述公式计算获得图像轮廓信息F_a(x,y)：

其中，a₁为长波图像的权重值、a₂为中波图像的权重值。

5.根据权利要求2所述的多源图像融合方法，其特征在于，所述根据无监督卷积神经网络模型将所述融合图像F_rl(x,y)与可见光图像f_v(x,y)进行融合以获得夜视图像G_rlv(x,y)包括：

利用无监督卷积神经网络模型中的浅层特征提取网络和残差稠密块从融合图像F_rl(x,y)和可见光图像f_v(x,y)中提取热辐射特征信息和细节纹理特征信息；

将提取到的热辐射特征信息和细节纹理特征信息通过稠密特征融合块进行整体以及局部的图像特征融合；以及

将整体以及局部的图像特征融合后的图像特征信息传输到重构块卷积网络进行特征重建获得夜视图像G_rlv(x,y)。