[发明专利]基于低秩稀疏表示的红外与可见光图像融合方法和系统

权利要求书

1.一种基于低秩稀疏表示的红外与可见光图像融合方法，其特征在于，包括以下步骤：

S10，利用稀疏一致性的潜在低秩表示分解模型分别对红外图像和可见光图像进行分解；

所述稀疏一致性的潜在低秩表示分解模型满足如下条件：

(1)

(2)s.t.X_m＝X_mZ_m+L_mX_m+E_m；

其中，X_m表示源图像，Z_m表示图像的低秩矩阵，L_m表示图像的显著性矩阵，E_m表示图像的噪声部分，m＝1，2，分别表示红外图像和可见光图像；||Z_m||_*表示Z_m的核范数，||L_m||_*表示L_m的核范数，||Z||_2，1表示对红外图像的低秩矩阵和可见光图像的低秩矩阵同时进行L_2，1范数正则化约束；||E_m||_2，1表示分别对红外图像的噪声部分和可见光的噪声部分进行L_2，1范数正则化约束；γ为平衡噪声参数，α为正则化平衡系数；

S20，利用交替方向乘子法对所述稀疏一致性的潜在低秩表示分解模型进行求解，分别得到红外图像的基础部分F_a1和显著性部分F_b1以及可见光图像的基础部分F_a2和显著性部分F_b2；

S30，利用深度神经网络模型对得到的F_a1和F_a2进行深度特征提取并进行融合，得到基础部分融合图像Fa；

S40，将F_b1和F_b2进行融合，得到显著性部分融合图像F_b；

S50，将Fa和F_b进行融合，得到红外与可见光融合图像。

2.根据权利要求1所述的方法，其特征在于，S20进一步包括：

S201，获取由如下条件(3)和(4)限定的增广拉格朗日函数模型：

s.t.X_m＝X_mS_m+K_mX_m+E_m，Z_m＝j_m，Z_m＝S_m，L_m＝K_m (4)

S202，按照如下条件(5)至(11)迭代交替更新各个变量，直至满足收敛条件：

其中，k为迭代次数，k的取值为1到N，N为总迭代次数，ρ为迭代步长，u^k为第k次迭代时的平衡因子，为第k次迭代时的增广拉格朗日乘子；I为单位矩阵，X_m′表示X_m的转置矩阵；

R为Z^k+1中的每个1*n²维度的行向量重构成的n*n的矩阵。

3.根据权利要求2所述的方法，其特征在于，S20还包括：

S203，按照如下条件(12)-(15)更新增广拉格朗日乘子：

4.根据权利要求2所述的方法，其特征在于，S20还包括：

S304，按照如下条件(16)更新平衡因子：

u^k+1＝min(ρu^k，μ_max) (16)。

5.根据权利要求2所述的方法，其特征在于，所述收敛条件满足：

ε为预设值。