專利名稱：一種基于Curvelet變換的可見光與紅外圖像融合方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理數(shù)據(jù)融合技術(shù)領(lǐng)域，涉及一種基于Curvelet變換的可見光與紅外圖像融合方法。
背景技術(shù)：
紅外與可見光傳感器是最常用的兩類傳感器，它們工作于不同的波段，可以提供互補(bǔ)的圖像信息。紅外傳感器通過獲得地面目標(biāo)的紅外輻射來記錄目標(biāo)自身的紅外輻射信息，它依靠探測(cè)目標(biāo)與背景間的熱輻射差異來識(shí)別目標(biāo)，因而具有特殊的識(shí)別偽裝的能力，但對(duì)場(chǎng)景的亮度變化不敏感，對(duì)比度較低?？梢姽鈧鞲衅髅舾杏谀繕?biāo)場(chǎng)景的反射，噪聲含量較低，獲取的圖像具有較高的清晰度，能提供目標(biāo)所在場(chǎng)景的細(xì)節(jié)信息。因此將這兩種圖像進(jìn)行融合，有利于綜合紅外圖像較好的目標(biāo)特征和可見光圖像清晰的場(chǎng)景信息。近年來，以小波變換和金字塔分解為代表的多尺度分析方法在紅外與可見光圖像融合中取得了巨大成功，而小波變換的融合效果一般要優(yōu)于金字塔分解。然而盡管小波變換有很多優(yōu)點(diǎn)，但各向同性的小波基無法精確地表達(dá)圖像的邊緣方向，由于缺乏平移不變性，圖像邊緣存在塊狀效應(yīng)。為解決這一問題，Candes等人在研究曲線特征最優(yōu)逼近和圖像稀疏表示的基礎(chǔ)上提出了 Curvelet變換(小曲線變換)，與小波變換相比，其優(yōu)點(diǎn)在于細(xì)尺度下各特征高度各向異性，能更優(yōu)地逼近曲線，對(duì)圖像邊緣和紋理等細(xì)節(jié)特征有更好的描述。但是在可見光與紅外圖像融合與增強(qiáng)領(lǐng)域，如何選擇合適的高頻與低頻系數(shù)的問題一直沒有得到很好的解決。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的缺點(diǎn)和不足，提供一種基于Curvelet變換的可見光與紅外圖像融合方法。本發(fā)明所采用的技術(shù)方案是一種基于Curvelet變換的可見光與紅外圖像融合方法，包括以下步驟步驟1，輸入可見光圖像與紅外圖像并進(jìn)行Curvelet變換，分別得到可見光圖像與紅外圖像的子帶系數(shù)，所述子帶系數(shù)包括低頻子帶系數(shù)和高頻子帶系數(shù)；步驟2，根據(jù)一個(gè)預(yù)設(shè)的聚焦評(píng)價(jià)算子，執(zhí)行步驟2. I得到融合圖像的低頻子帶系數(shù)，執(zhí)行步驟2. 2得到融合圖像的高頻子帶系數(shù)；步驟2. 1，根據(jù)聚焦評(píng)價(jià)算子計(jì)算可見光圖像與紅外圖像的低頻子帶系數(shù)的聚焦評(píng)價(jià)值；設(shè)置一個(gè)滑動(dòng)窗口，在滑動(dòng)窗口遍歷到任一位置時(shí)計(jì)算可見光圖像與紅外圖像的低頻子帶系數(shù)的聚焦評(píng)價(jià)值分別在滑動(dòng)窗口內(nèi)的方差，并按照以下的局部方差加權(quán)策略計(jì)算融合圖像的低頻子帶系數(shù)
權(quán)利要求
1.一種基于Curvelet變換的可見光與紅外圖像融合方法，其特征在于包括以下步驟 步驟1，輸入可見光圖像與紅外圖像并進(jìn)行Curvelet變換，分別得到可見光圖像與紅外圖像的子帶系數(shù)，所述子帶系數(shù)包括低頻子帶系數(shù)和高頻子帶系數(shù)； 步驟2，根據(jù)一個(gè)預(yù)設(shè)的聚焦評(píng)價(jià)算子，執(zhí)行步驟2. I得到融合圖像的低頻子帶系數(shù)，執(zhí)行步驟2. 2得到融合圖像的高頻子帶系數(shù)； 步驟2. 1，根據(jù)聚焦評(píng)價(jià)算子計(jì)算可見光圖像與紅外圖像的低頻子帶系數(shù)的聚焦評(píng)價(jià)值；設(shè)置一個(gè)滑動(dòng)窗口，在滑動(dòng)窗口遍歷到任一位置時(shí)計(jì)算可見光圖像與紅外圖像的低頻子帶系數(shù)的聚焦評(píng)價(jià)值分別在滑動(dòng)窗口內(nèi)的方差，并按照以下的局部方差加權(quán)策略計(jì)算融合圖像的低頻子帶系數(shù)
2.根據(jù)權(quán)利要求I所述的基于Curvelet變換的可見光與紅外圖像融合方法，其特征在于步驟2中，所選擇 的聚焦評(píng)價(jià)算子采用梯度能量或Tenenbaum算子或拉普拉斯能量或改進(jìn)拉普拉斯能量。
3.根據(jù)權(quán)利要求I或2所述的基于Curvelet變換的可見光與紅外圖像融合方法，其特征在于步驟2中，根據(jù)聚焦評(píng)價(jià)算子計(jì)算聚焦評(píng)價(jià)值的實(shí)現(xiàn)方式是將聚焦評(píng)價(jià)算子與子帶系數(shù)進(jìn)行卷積。
全文摘要
本發(fā)明涉及一種基于Curvelet變換的可見光與紅外圖像融合方法，包括以下步驟首先對(duì)原始圖像進(jìn)行快速離散Curvelet變換，得到一系列不同尺度不同方向的低頻和高低頻子帶系數(shù)，并計(jì)算各子帶的聚焦評(píng)價(jià)值；然后在低頻子帶，采用局部方差加權(quán)策略，充分保留紅外圖像的低頻信息，同時(shí)加入可見光圖像的低頻特征；在高頻子帶，采用四階相關(guān)系數(shù)匹配策略，選擇合適的高頻系數(shù)；最后通過Curvelet反變換得到融合圖像。本發(fā)明所提供方法能夠有效地綜合原始圖像的有用信息，與傳統(tǒng)的小波變換、金字塔等方法相比，具有更好的融合性能。
文檔編號(hào)G06T5/50GK102637297SQ20121007600
公開日2012年8月15日 申請(qǐng)日期2012年3月21日 優(yōu)先權(quán)日2012年3月21日
發(fā)明者劉軍, 邵振峰 申請(qǐng)人:武漢大學(xué)