[发明专利]一种多源图像融合方法、系统

说明书

本发明公开了一种多源图像融合方法、系统，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)。该一种多源图像融合方法、系统综合了红外，微光与可见光图像的特征信息，使其呈现更全面的夜视图像，增强场景理解、突出目标，且更符合人眼特性，明显改善人眼的识别性能。

技术领域

本发明涉及红外可见光融合的技术领域，具体地，涉及一种多源图像融合方法、系统。

背景技术

在图像处理领域中，单一传感器获取的图像通常只具备某一方面的信息，已无法满足市场需求，因此图像融合技术应运而生，图像融合将多种传感器对同一场景取得的图像信息进行融合，使融合后的图像同时包含多种传感器图像的信息。

目前常见的是红外与可见光的融合，可见光图像具有较高的空间分辨率，能够清晰观察到现场的信息，但不能检测到使用防护和伪装手段的目标，且图像受光照条件的影响较大。红外传感器借助于目标自身发射的红外辐射来成像，不受恶劣天气和光照的影响，即使在低照度下也能清晰观测到隐藏的热目标，但红外图像对比度较低，空间相关性强，目标细节的反映能力也比较差，成像效果不符合人眼视觉习惯。所以现阶段使用的红外与可见光的融合，既能弥补红外和可见光传感器单一成像的不足，又能同时发挥可见光与红外的优势，使得融合后的图像兼具红外与可见光的特征。但是，这种图像融合在烟雾、夜间等条件下的成像效果差。

发明内容

本发明的目的是提供一种多源图像融合方法、系统，该一种多源图像融合方法、系统综合了红外，微光与可见光图像的特征信息，使其呈现更全面的夜视图像，增强场景理解、突出目标，且更符合人眼特性，明显改善人眼的识别性能。

为了实现上述目的，本发明提供了一种多源图像融合方法，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)。

优选地，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)。

优选地，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：