[发明专利]一种基于非下采样剪切波的可见光偏振图像融合方法

摘要

本发明提供一种基于非下采样剪切波的可见光偏振图像融合方法，首先对多探测器相机同时获取的不同偏振态图像进行Stokes解算，得到偏振度、偏振角图像以及光强图像，利用它们提取出目标的偏振特征图像，然后对偏振特征图像和光强图像分别进行非下采样Shearlets变换(NSST)分解，在频率域根据窗口能量和均值分别确定高低频融合系数，利用NSST逆变换重建初步的融合图像，最后对初步融合图像进行目标增强以得到最终的融合图像输出。本发明与传统利用多尺度分解的目标探测方法相比，增加了偏振特征提取及目标增强手段，有效增加了融合图像细节，提高了目标和背景的对比度，突出了目标的偏振特性，提高了场景感知和目标探测的能力，适用于目标探测系统。

主权项

一种基于非下采样剪切波的可见光偏振图像融合方法，其特征在于，包括如下步骤：步骤一、目标的偏振图像Stokes解算：4幅目标的偏振图像的Stokes矢量描述偏振态为：$s=\left[\begin{array}{c}{s}_0\\ s_1\\ s_2\\ s_3\end{array}\right]=\left[\begin{array}{c}{I}_0+I_{90}\\ I_0-I_{90}\\ I_{45}-I_{135}\\ I_L-I_R\end{array}\right]$   (公式1)其中，I_θ(θ＝0°,45°,90°,135°)表示不同偏振方向角的偏振态图像，I_L和I_R分别表示左、右旋圆偏振图像，强度光强图像s₀与入射光强成正比，s₁和s₂分别表示两个相互正交方向的线偏振信息，s₃表示圆偏振信息，在自然环境中，圆偏振分量很小，可忽略，因此，目标的偏振图像的偏振度DoLP和偏振角AoLP可表示为：$DoLP=\frac{\sqrt{s_1^2+s_2^2}}{s_0}$   (公式2)$AoLP=\frac{1}{2}arctan\left(\frac{s_2}{s_1}\right)$   (公式3)；步骤二、偏振特征提取：计算综合偏振特征图像F，计算式如下：F＝α*DoLP+β*(DoLP*cos(2*AoLP))   (公式4)其中α，β为权重系数；步骤三、非下采样Shearlets多尺度分解：利用非下采样剪切波变换(NSST)进行频域分解，NSST的实现主要分为两个步骤：首先进行非下采样的多尺度分解和方向局部化，分别对光强图像和偏振特征图像进行i层非下采样金字塔(non‑subsampled pyramid，NSP)分解，由于NSST分解不存在下采样，因此，图像经i层NSP分解后，最终得到i+1个和原图大小相同子带图像，其中包括1个低频图像和i个带通图像；然后再对i个带通图像分别进行方向分解，以实现高频图像方向局部化；经过该步骤三可以得到光强图像s₀和偏振特征图像F的不同尺度不同方向上的子带图像，选取各层各方向上的低频成分取像素平均作为该层融合图像的低频系数；步骤四、高低频系数融合：高频系数融合规则采用窗口能量最大准则，选取模板卷积和最大的像素作为该层融合图像的高频系数，3×3窗口模板如下：$I=\left[\begin{array}{ccc}0& 1& 0\\ 1& 16& 1\\ 0& 1& 0\end{array}\right]$   (公式5)；步骤五、图像重构及目标增强：经过步骤四，可以得到不同尺度不同方向上的高频和低频融合系数，对这些系数进行NSST逆变换，初步的融合图像输出，为进一步增强对比度，突出目标偏振特性，采用基于指导滤波器的增强算法对NSST逆变换输出图像进行目标增强，以得到最终的融合图像。