[发明专利]一种基于Curvelet变换的可见光与红外图像融合方法

说明书

技术领域

本发明属于图像处理数据融合技术领域，涉及一种基于Curvelet变换的可见光与红外图像融合方法。

背景技术

红外与可见光传感器是最常用的两类传感器，它们工作于不同的波段，可以提供互补的图像信息。红外传感器通过获得地面目标的红外辐射来记录目标自身的红外辐射信息，它依靠探测目标与背景间的热辐射差异来识别目标，因而具有特殊的识别伪装的能力，但对场景的亮度变化不敏感，对比度较低。可见光传感器敏感于目标场景的反射，噪声含量较低，获取的图像具有较高的清晰度，能提供目标所在场景的细节信息。因此将这两种图像进行融合，有利于综合红外图像较好的目标特征和可见光图像清晰的场景信息。

近年来，以小波变换和金字塔分解为代表的多尺度分析方法在红外与可见光图像融合中取得了巨大成功，而小波变换的融合效果一般要优于金字塔分解。然而尽管小波变换有很多优点，但各向同性的小波基无法精确地表达图像的边缘方向，由于缺乏平移不变性，图像边缘存在块状效应。为解决这一问题，Candes等人在研究曲线特征最优逼近和图像稀疏表示的基础上提出了Curvelet变换(小曲线变换)，与小波变换相比，其优点在于细尺度下各特征高度各向异性，能更优地逼近曲线，对图像边缘和纹理等细节特征有更好的描述。但是在可见光与红外图像融合与增强领域，如何选择合适的高频与低频系数的问题一直没有得到很好的解决。

发明内容

本发明的目的在于针对现有技术的缺点和不足，提供一种基于Curvelet变换的可见光与红外图像融合方法。

本发明所采用的技术方案是一种基于Curvelet变换的可见光与红外图像融合方法，包括以下步骤：

步骤1，输入可见光图像与红外图像并进行Curvelet变换，分别得到可见光图像与红外图像的子带系数，所述子带系数包括低频子带系数和高频子带系数；

步骤2，根据一个预设的聚焦评价算子，执行步骤2.1得到融合图像的低频子带系数，执行步骤2.2得到融合图像的高频子带系数；

步骤2.1，根据聚焦评价算子计算可见光图像与红外图像的低频子带系数的聚焦评价值；设置一个滑动窗口，在滑动窗口遍历到任一位置时计算可见光图像与红外图像的低频子带系数的聚焦评价值分别在滑动窗口内的方差，并按照以下的局部方差加权策略计算融合图像的低频子带系数：