[发明专利]基于显著性检测与奇异值分解的图像融合方法及装置在审
| 申请号： | 201811055335.8 | 申请日： | 2018-09-11 |
| 公开（公告）号： | CN109242812A | 公开（公告）日： | 2019-01-18 |
| 发明（设计）人： | 程博阳;金龙旭;李国宁 | 申请（专利权）人： | 中国科学院长春光学精密机械与物理研究所 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50;G06T7/33 |
| 代理公司： | 深圳市科进知识产权代理事务所(普通合伙) 44316 | 代理人： | 曹卫良 |
| 地址： | 130033 吉林省长春*** | 国省代码： | 吉林;22 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供的基于显著性检测与奇异值分解的图像融合方法及装置，采用基于显著性检测与奇异值分解的自适应双通道PCNN模型，该模型首先通过NSST作为多尺度分解工具，将图像分解为一个低频子带图像与一系列高频子带，其次在现有自适应双通道PCNN模型的基础上进行改进，并且针对不同频率的子带图像，分别利用新提出算子进行处理，最终将PCNN模型神经元的全局耦合和脉冲同步特性与NSST的稀疏分解特性相结合，一定程度上解决了红外图像和可见光图像光谱差异较大而导致融合图像对比度偏低和出现大量黑色伪影等问题，可以更好地表达图像的特征，将可见光的纹理信息与红外图像的显著性特征完美结合，最终取得较好的融合效果。 | ||
| 搜索关键词： | 奇异值分解 显著性 红外图像 图像融合 双通道 自适应 检测 神经元 融合图像对比度 低频子带图像 多尺度分解 可见光图像 显著性特征 可见光 高频子带 光谱差异 脉冲同步 图像分解 纹理信息 稀疏分解 子带图像 耦合 算子 伪影 图像 融合 全局 改进 | ||
【主权项】：
1.一种基于显著性检测与奇异值分解的图像融合方法，其特征在于，所述方法包括：获取来自同一场景并进行图像配准的红外图像和可见光图像；利用非下采样剪切波变换NSST算法对所述红外图像和所述可见光图像进行多尺度分解得到低频子带系数和高频子带系数；在双通道PCNN模型中针对低频子带系数采用基于FT算法进行自适应加权融合，并通过局部结构信息因子LSI作为连接强度处理得到低频融合系数，针对高频子带系数采用区域视觉对比度和算子SLVC作为其的外界刺激，梯度奇异值算子GSV作为连接强度处理得到高频融合系数；利用NSST逆变换重构低频融合系数和高频融合系数得到融合图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院长春光学精密机械与物理研究所，未经中国科学院长春光学精密机械与物理研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811055335.8/，转载请声明来源钻瓜专利网。
