紅外光強圖像和紅外偏振圖像增強融合方法
【專利摘要】本發(fā)明涉及圖像融合技術，具體為紅外光強圖像和紅外偏振圖像增強融合方法，解決現(xiàn)有紅外融合圖像固有的邊緣區(qū)域失真、對比度低的問題。本方法按如下步驟進行：對紅外光強圖像和紅外偏振圖像分別進行支持度變換，得到低頻圖像和支持度序列圖像；用數(shù)學形態(tài)學的頂帽變換分別提取明亮信息和黯淡信息；對明亮信息圖像和黯淡信息圖像增強；對兩個最后一層的低頻平均圖像和兩增強圖像融合，得到低頻增強融合圖像；對低頻增強融合圖像和用取大法合成的支持度序列圖像進行支持度逆變換得到最終的合成圖像，該合成圖像目標與背景的對比度增強，邊緣區(qū)域失真低。
【專利說明】紅外光強圖像和紅外偏振圖像增強融合方法
【技術領域】
[0001]本發(fā)明涉及圖像融合技術，具體為紅外光強圖像和紅外偏振圖像增強融合方法。
【背景技術】
[0002]紅外成像技術具有全天候、被動式工作、抗干性強等特點，被廣泛應用于軍事和民用領域。傳統(tǒng)的紅外成像技術主要是利用物體的紅外輻射強度來成像，得到的是紅外光強圖像，紅外光強成像技術的飛速發(fā)展同時也推動了紅外煙霧、紅外隱身與偽裝、紅外誘餌彈、紅外干擾機等紅外對抗技術的發(fā)展，使得傳統(tǒng)的紅外光強成像技術面臨嚴重挑戰(zhàn)。而新出現(xiàn)的紅外偏振成像與原有紅外光強成像機理不同，紅外偏振成像是通過對紅外線的偏振度、偏振角等物理量成像，能探測到普通紅外光強成像技術無法探測到的紅外目標，從而大幅度提升紅外對抗能力。紅外偏振成像的出現(xiàn)，使紅外成像技術從單一的光強成像向偏振態(tài)、光強兩種成像發(fā)展，極大地提高了紅外探測能力。研究已表明在海面油污檢測、地物背景辨別、人造目標監(jiān)測、醫(yī)療診斷等方面，紅外偏振成像與紅外光強成像具有很大的互補性，只有將兩種模態(tài)圖像融合，才能利于目標識別處理和人員觀察、減少信息丟失，才能綜合兩類成像優(yōu)勢、滿足實用需求，因而，紅外光強圖像和紅外偏振圖像融合對提高紅外圖像質量和目標識別具有重要意義。
[0003]有代表性的紅外光強圖像和紅外偏振圖像融合研究包括利用小波包對紅外光強圖像和紅外偏振圖像進行融合、利用支持度變換融合法對紅外光強圖像和紅外偏振圖像進行融合、利用彩色融合方法處理紅外偏振圖像、利用D-S證據(jù)理論融合紅外偏振圖像等。利用多分辨率變換進行融合被證明是一類行之有效的方法，這類變換有金字塔算法、小波包變換、支持度變換等，在各類圖像融合中均取得較好效果。利用這些方法進行圖像融合時，主要是把原圖像分解為高頻和低頻圖像，通過較為精細的分解以便對擁有相同或相近屬性的分解圖像采用同一融合規(guī)則，用這樣的方法盡管可以較好地綜合兩幅原圖像的差異信息，但仍然無法解決由于紅外成像固有的邊緣區(qū)域模糊、對比度低的問題，特別是在惡劣條件探測時該問題就更為突出。由于人眼在目標識別時，對對比度更為敏感，所以，在其它類型的灰度圖像如可見光和紅外圖像融合處理中，對比度增強也有廣泛需求。利用數(shù)學形態(tài)學中的頂帽變換分別從原圖像中提取亮暗信息，再與原圖像融合，被證明在可見光和紅外圖像融合中較為有效。但該方法的缺點是不僅增強效果較為有限，而且普遍存在邊緣區(qū)域失真的問題，通過增加融合系數(shù)雖可以降低失真，但同時又降低了對比度，邊緣區(qū)域失真與對比度提升之間存在著矛盾性，這種方法用于紅外光強和紅外偏振圖像融合時，上述問題更為關出。
[0004]為此，需要有一種方法來專門解決紅外光強圖像和紅外偏振圖像融合中邊緣區(qū)域失真和對比度低的問題。

【發(fā)明內(nèi)容】

[0005]本發(fā)明為了解決紅外光強圖像和紅外偏振圖像融合后的圖像邊緣區(qū)域失真和對比度低的問題，提供了一種紅外光強圖像和紅外偏振圖像增強融合方法。
[0006]本發(fā)明是采用如下的技術方案實現(xiàn)的:紅外光強圖像和紅外偏振圖像增強融合方法，包括以下步驟:
紅外光強圖像和紅外偏振圖像分別用支持度變換進行分解，每幅圖像都分解得到低頻圖像和支持度序列圖像；
上述得到的兩低頻圖像的最后ー層分別用頂帽變換提取明亮信息和黯淡信息，兩低頻圖像都分別得到明亮信息圖像和黯淡信息圖像，其中，明亮信息的提取方法為:WTHNBS0,y) = MN(Xy)-(MN?Bs)(s,y),黯淡信息的提取方法為:
BTHhbs(x,j) = (Mn _Bs)(s，y)-MN(x,y),式中，N=I,2,當 N=I 吋，；代表紅外光強圖像的低頻圖像的最后ー層在處的像素值，當N=2吋，M2 (K，y)代表紅外偏振圖像的低頻圖像的最后一層在處的像素值，表不像素值的位置，MlfoBs表不開運算，B是算子模版，下角標S=l，2，一m是尺度數(shù)；WTHnbs(x,表示利用尺度數(shù)為S、算子模版為B
在位置處提取出的像素值，即 明亮信息,MN_BS表示閉運算，BTHNBS(s，y)表示利用尺
度數(shù)為S、算子模版為B在位置(>,y)處提取出的像素值，即黯淡信息；
對得到的明亮信息圖像和黯淡信息圖像分別進行灰度調(diào)整，使得與被提取的低頻圖像的最后ー層的灰度動態(tài)范圍一致，并將灰度調(diào)整后明亮信息圖像用取大法融合，黯淡信息圖像用取大法融合，得到增強明亮信息圖像WTHbs(k,y)和增強黯淡信息圖像BTHbs(x,y)；
將兩低頻圖像的最后ー層與增強明亮信息圖像WTHBS(K，y)和增
強黯淡信息圖像BTHES(x，y)融合，得到低頻增強融合圖像，融合方法為:
M(x, y) = (M1(k, y)+M2(k,y))/2+WTH1es (x,y)- BTH K(x,y)；
將低頻增強融合圖像和采用取大法融合后的支持度序列合成圖像進行支持度逆變換，得到紅外光強圖像和紅外偏振圖像的合成圖像。
[0007]支持度變換是ー種非采樣的二值冗余變換，是在最小二乘支持向量機基礎上提出的一種新的圖像多尺度變換方法，支持度變換后得到的圖像的支持度矩陣是與圖像顯示相關的信息，可以很好地表征圖像的細節(jié)特征信息，且同小波變換相比具有平移不變性、不會產(chǎn)生振鈴效應、運算速度快的優(yōu)點，因此本發(fā)明優(yōu)選了支持度變換分解紅外圖像，得到低頻圖像和支持度序列圖像，并從低頻圖像中提取得到的明亮信息圖像和黯淡信息圖像，支持度序列圖像提取的是原圖像中灰度值突變的信息，通常反映的是不同尺度的目標邊緣，低頻圖像提取的是原圖像中灰度值變化較為平穩(wěn)的信息，通常反映的是目標的紋理，多以區(qū)域的形式呈現(xiàn)，區(qū)域與區(qū)域之間的灰度差異就是對比度，所以，從低頻圖像提取明亮、黯淡信息最后與支持度序列圖像融合時不會影響支持度序列圖像提取到的邊緣，這樣就解決了邊緣區(qū)域失真的問題，對兩幅明亮信息圖像和兩幅黯淡信息圖像分別進行灰度調(diào)整，進行灰度調(diào)整可以使得亮、暗對比度增強，因為紅外圖像是灰度圖像，本身的對比度都不大，所以，提取到的亮、暗信息灰度值都較小，直接與原圖像融合，弓丨起的灰度值改變量相對也小，對對比度的影響自然不明顯，所以，把明亮信息圖像和黯淡信息圖像與原低頻圖像灰度范圍調(diào)整一致后，使得亮、暗對比度增強，再用灰度值取大法分別融合灰度調(diào)整后的兩幅明亮信息圖像和兩幅黯淡信息圖像，得到增強明亮信息圖像和增強黯淡信息圖像，增強明亮信息圖像和增強黯淡信息圖像再與低頻圖像進行融合得到低頻增強融合圖像，低頻增強融合圖像不僅綜合了明亮信息圖像和黯淡信息圖像的信息，而且使得亮的信息(通常對應目標)更亮、暗的信息(通常對應背景)更暗，實現(xiàn)了目標與背景的對比度增強，同時通過支持度變換分解得到的支持度序列圖像融合較好地保留了原圖像的邊緣，支持度序列圖像和低頻增強融合圖像逆變換得到的合成圖像自然不僅對比度增強了，而且邊緣區(qū)域失真問題也解決了。
[0008]上述的紅外光強圖像和紅外偏振圖像增強融合方法，增強明亮信息圖像WTH'BSfc30和增強黯淡信息圖像BTHbs(XI)在與低頻圖像融的最后一層合之前先用濾
波器濾波，使得圖像在對比度增大的同時變得柔和，更適合人的視覺觀察。
[0009]上述的紅外光強圖像和紅外偏振圖像增強融合方法，尺度數(shù)S取3~5，圖像中的目標常常具有不同尺度，為了能綜合處理圖像中目標特征的形狀尺寸，需要選用多尺度算子模版B，尺度數(shù)S選擇的大，有利于提取更為精細的信息，但會導致運算量大和偽信息出現(xiàn)，尺度數(shù)S選擇的小，算子模版B則不能完全提取目標特征，綜合考慮尺度數(shù)S取3~5。
[0010]上述的紅外光強圖像和紅外偏振圖像增強融合方法，算子模版B選用圓盤形，提取效果好。
[0011]上述的紅外光強圖像和紅外偏振圖像增強融合方法，濾波器為高斯濾波器，且高斯濾波器窗口大小取以下之一:5X5、7X7、9X9、11X11、13X13或15X15，標準差取值范圍為2~7，濾波效果好。
[0012]附圖2-6為紅外圖像的實例，其中，圖2為紅外光強圖像，圖3為紅外偏振圖像，圖4為SVT (支持度變換法的)融合圖像，圖5為頂帽變換法的融合圖像，圖6為本方法的融合圖像；從圖中可以看出，圖6在整體效果上明顯優(yōu)于圖2、圖3、圖4、圖5所示的紅外光強圖像、紅外偏振圖像、直接用SVT融合的圖像和頂帽變換法融合的圖像，且各圖像的相關數(shù)據(jù)對比如下表:
【權利要求】
1.紅外光強圖像和紅外偏振圖像增強融合方法，其特征在于包括以下步驟: 紅外光強圖像和紅外偏振圖像分別用支持度變換進行分解，每幅圖像都分解得到低頻圖像和支持度序列圖像； 上述得到的兩低頻圖像的最后一層分別用頂帽變換提取明亮信息和黯淡信息，兩低頻圖像都分別得到明亮信息圖像和黯淡信息圖像，其中，明亮信息的提取方法為:
2.根據(jù)權利要求1所述的紅外光強圖像和紅外偏振圖像增強融合方法，其特征在于增強明亮信息圖像WTHbs(X, y)和增強黯淡信息圖像BTHbs(x，y)在與低頻圖像的最后一層融合之前先用濾波器濾波。
3.根據(jù)權利要求1或2所述的紅外光強圖像和紅外偏振圖像增強融合方法，其特征在于尺度數(shù)S取:3~5。
4.根據(jù)權利要求1或2所述的紅外光強圖像和紅外偏振圖像增強融合方法，其特征在于算子模版B選用圓盤形。
5.根據(jù)權利要求2所述的紅外光強圖像和紅外偏振圖像增強融合方法，其特征在于濾波器為高斯濾波器，且高斯濾波器窗口大小取以下之一:5X5、7X7、9X9、11X11、13X13或15X 15，標準差取值范圍2~1。
【文檔編號】G06T5/10GK103530853SQ201310486819
【公開日】2014年1月22日 申請日期:2013年10月17日 優(yōu)先權日:2013年10月17日
【發(fā)明者】藺素珍, 楊風暴, 王肖霞, 李大威, 陳磊 申請人:中北大學