[发明专利]基于特有信息同步分解的红外与可见光图像融合方法

摘要

本发明提出基于特有信息同步分解的红外与可见光图像融合方法，包括以下步骤：图像预处理、图像均值剥离、字典学习和构建、图像的联合稀疏分解、稀疏系数融合、均值融合和图像重构；本发明通过在联合稀疏表示模型下提出了一种对红外与可见光图像的特有信息进行同步正交匹配追踪分解的图像融合算法，可以将对原始根据图像块的融合方式进一步细化到对参与这个图像块的所有原子表示系数进行融合，提高了融合的全面性与完整性，得到的融合图像特征明显，信息全面，即它不仅能将红外与可见光图像的特有信息融合到一起，而且融合图像整体更加清晰，并不会出现某一块区域失真现象。

主权项

1.基于特有信息同步分解的红外与可见光图像融合方法，其特征在于：包括以下步骤：步骤一：图像预处理将参与融合的红外图像标记为Y₁，将参与融合的可见光图像标记为Y₂，再将红外图像Y₁与可见光图像Y₂分别通过滑动窗口分成P个图像块，然后得到红外图像与可见光图像的数据矩阵X₁和X₂；步骤二：图像均值剥离对X₁和X₂的列向量分别剥离其均值，去均值后的图像数据Y₁和Y₂，然后构建新的联合数据步骤三：字典学习和构建在去均值后的图像数据Y₁和Y₂中随机选取样本，通过KSVD算法学习到冗余字典D，构建联合稀疏表示下的新字典步骤四：图像的联合稀疏分解根据Y＝Dα原则，对红外图像Y₁与可见光图像Y₂的特有信息进行分解，得到共有系数α^c及红外与可见光图像的特有系数和步骤五：稀疏系数融合对第t个稀疏系数按照公式(1)进行融合，得到融合后的稀疏系数α_f(t)：其中，表示红外图像第t块的特有稀疏系数的第i个元素值，j_i是红外图像与可见光图像稀疏系数的相同位置元素模值最大来源，是根据对应位置模值取大之后得到的第t块特有融合系数；步骤六：均值融合对第t个均值按照公式(2)进行融合，得到融合后的图像均值m(t)：m(t)＝τm₁(t)+(1‑τ)m₂(t)τ＝1/(1+exp{‑β(||Y₁(t)||₂‑||Y₂(t)||₂)})                       (2)其中，Y₁(t)和Y₂(t)为第t个去均值后的图像数据，τ为权值；步骤七：图像重构对稀疏系数α_f(t)和图像均值m(t)进行重构，然后对重构后的数据进行累加求平均值，得到最终的融合图像I_F。