專利名稱：基于壓縮感知的可見光和紅外圖像融合方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及圖像融合技術(shù)，具體地說是一種結(jié)合了壓縮感知理論的可見光和紅外圖像融合方法。用于對圖像進行進一步的分析、理解以及目標(biāo)的檢測、識別或跟蹤前的圖像預(yù)處理。
背景技術(shù)：
圖像融合作為一個新興的科研領(lǐng)域有著廣闊的發(fā)展前景。它通過提取和綜合來自多個傳感器圖像的信息，獲得對同一場景或目標(biāo)的更為準(zhǔn)確、全面、可靠的圖像描述，以便對圖像進行進一步的分析、理解以及目標(biāo)的檢測、識別或跟蹤。從二十世紀(jì)八十年代初至今，多傳感器圖像融合已引起了世界范圍內(nèi)的廣泛興趣和研究熱潮，它在自動目標(biāo)識別、計算機視覺、遙感、機器人、醫(yī)學(xué)圖像處理以及軍事應(yīng)用等領(lǐng)域有著廣泛的應(yīng)用前景。經(jīng)過將近三十年的發(fā)展，圖像融合技術(shù)的研究已經(jīng)形成了一定的規(guī)模，國內(nèi)外已開發(fā)出多種融合系統(tǒng)，但這并不表明該項技術(shù)已經(jīng)完善。從目前的情況來看，圖像融合技術(shù)還存在許多理論和技術(shù)方面的問題有待解決。尤其需要指出的是圖像融合技術(shù)在國內(nèi)所進行的研究相對于國際上的研究工作起步較晚，還處于落后狀態(tài)。因此迫切需要進行廣泛深入的基礎(chǔ)理論和基礎(chǔ)技術(shù)的研究。隨著信息技術(shù)的飛速發(fā)展，人們對信息的需求與日俱增。在這種背景下，傳統(tǒng)的圖像融合方法，比如基于多尺度變換的融合方法，參見文章《Region based multisensor image fusion using generalized Gaussian distribution》，in Int. Workshop on Nonlinear Sign, and Image Process. S印.2007，需要處理的數(shù)據(jù)量十分可觀，這就造成了對信號采樣、傳輸和存儲的巨大壓力，如何緩解這種壓力又能有效提取承載在信號中的有用信息是信號與信息處理中急需解決的問題之一。近幾年來國際上出現(xiàn)的壓縮感知理論CS 為緩解這些壓力提供了解決方法。壓縮感知理論CS不需要對信號進行完全采樣，在采樣時也不需要知道信號的任何先驗信息，因而減少了恢復(fù)的數(shù)據(jù)量，一定程度上緩解了傳輸和存儲的巨大壓力。目前，學(xué)者們已經(jīng)在模擬-信息采樣、合成孔徑雷達成像、遙感成像、核磁共振成像、人臉識別、信源編碼等諸多領(lǐng)域?qū)嚎s感知展開了廣泛的應(yīng)用研究。最近幾年國內(nèi)也掀起了壓縮感知的研究熱潮。但是將壓縮感知理論用在圖像融合上的研究還很少。學(xué)者T. Wan等人率先將壓縮感知的理論用于圖像融合的嘗試，參見文章《Compressive Image Fusion》，in Proc. IEEE Int. Conf. Image Process, pp. 1308—1311，2008.該方法采用觀測值絕對值取大的融合規(guī)則，效果不盡人意。此后X. Li等人對它進行了改進，提出了基于壓縮感知的可見光和紅外圖像融合方法，參見文章《Efficient fusion for infrared and visible images based on compressive sensing principle)), in IET. Image Process.， Vol. 5,Iss. 2,pp. 141-147,2011.該方法采用圖像觀測值標(biāo)準(zhǔn)差加權(quán)的融合規(guī)則，融合效果和T. Wan等人的方法相比有了一定的提高，但是效果提高不是很明顯且算法收斂的速度比較慢。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有技術(shù)的缺點，提出了一種基于壓縮感知的可見光和紅外圖像融合方法，以減少數(shù)據(jù)量，降低計算復(fù)雜度，并在降低復(fù)雜度的同時提高圖像融合的效果。實現(xiàn)本發(fā)明目的的技術(shù)關(guān)鍵是利用壓縮感知對信號的不完全采樣來減少數(shù)據(jù)量， 利用快速沃爾什哈達馬變換矩陣來降低計算復(fù)雜度，整個處理過程分為四大部分，首先對可見光圖像和紅外圖像進行一層小波分解，再對分解后的低頻子帶系數(shù)采用低頻融合規(guī)則進行融合，對每個高頻子帶系數(shù)進行觀測，然后對每個高頻子帶系數(shù)觀測值進行融合，并對融合后的每個高頻子帶系數(shù)觀測值進行重構(gòu)，得到融合后的高頻子帶系數(shù)，最后對融合后的低頻子帶系數(shù)和高頻子帶系數(shù)進行小波逆變換得到融合的圖像，其具體步驟包括如下(1)對輸入的可見光圖像A和紅外圖像B進行小波分解，得到兩幅圖像的低頻子帶系數(shù)^和知以及三個方向的高頻子帶系數(shù)^，<，ε = 1,2,3；(2)對可見光圖像A和紅外圖像B的低頻子帶系數(shù)Xk和知進行融合，得到融合后的低頻子帶系數(shù)χ;x = Xa +Χβ -Χα+^Χβ其中，分別為可見光圖像A和紅外圖像B的低頻子帶系數(shù)，，“分別為低頻子帶系數(shù)的均值，X為融合后的低頻子帶系數(shù)；(3)對可見光圖像A和紅外圖像B的三個方向的高頻子帶冗和<，ε = 1，2，3用觀測矩陣進行觀測，得到兩幅圖像三個方向高頻子帶系數(shù)的觀測值 <和4(4)對可見光圖像A和紅外圖像B的三個方向的高頻子帶系數(shù)觀測值 <和ε =1，2，3進行融合，得到融合后的高頻子帶系數(shù)的觀測值ζε Ga)計算可見光圖像A和紅外圖像B的三個方向的高頻子帶系數(shù)觀測值的融合權(quán)值<和<
權(quán)利要求
1.一種基于壓縮感知的可見光和紅外圖像融合方法，包括如下步驟(1)對輸入的可見光圖像A和紅外圖像B進行小波分解，得到兩幅圖像的低頻子帶系數(shù) ^和知以及三個方向的高頻子帶系數(shù)^，<，ε = 1,2,3 ；(2)對可見光圖像A和紅外圖像B的低頻子帶系數(shù)和&進行融合，得到融合后的低頻子帶系數(shù)χ ；
2.根據(jù)權(quán)利要求1所述的基于壓縮感知的可見光和紅外圖像融合方法，其中步驟(1) 所述的對輸入的可見光圖像A和紅外圖像B進行小波分解，采用雙正交濾波器⑶F 9/7小波，分解層數(shù)為1層。
3.根據(jù)權(quán)利要求1所述的基于壓縮感知的可見光和紅外圖像融合方法，其中步驟(3) 所述的對可見光圖像A和紅外圖像B的三個方向的高頻子帶冗和<，ε =1，2，3進行觀測， 按如下步驟進行(3a)將大小均為NXN的可見光圖A和紅外圖像B的三個方向的高頻子帶系數(shù)冗，yl,ε = 1，2，3排成三個列向量，每個列向量大小均為fxl; (3b)采用快速沃爾什哈達馬觀測矩陣對三個方向的高頻子帶系數(shù)列向量進行計算，得到大小為MX 1的各個高頻子帶系數(shù)列向量的觀測值蛘ζ; =Af2其中，Φ為快速沃爾什哈達馬觀測矩陣，大小為Mx[，y I =A,B, ε = 1，2，3為可4 力，見光圖像A和紅外圖像B的三個大小均為fxl的高頻子帶系數(shù)的列向量。4
4.根據(jù)權(quán)利要求1所述的基于壓縮感知的可見光和紅外圖像融合方法，其中步驟(5) 所述的對可見光圖像A和紅外圖像B融合后的高頻子帶系數(shù)觀測值ζε，ε =1，2，3進行重構(gòu)，米用"Total Variation Minimization by Augmented Lagrangian and Alternating Direction Algorithms，，算法重構(gòu)。
全文摘要
本發(fā)明公開了一種基于壓縮感知的可見光和紅外圖像融合方法，主要解決現(xiàn)有的可見光和紅外傳感器難以同時獲取目標(biāo)和場景均清晰的問題。其實現(xiàn)步驟為(1)對輸入的可見光和紅外圖像進行單層小波分解；(2)對小波分解后的低頻子帶系數(shù)進行融合，對高頻子帶系數(shù)進行觀測；(3)對高頻子帶系數(shù)觀測值進行融合；(4)對融合后的高頻子帶系數(shù)觀測值進行重構(gòu)，得到融合后的高頻子帶系數(shù)；(5)對融合后的低頻子帶系數(shù)和高頻子帶系數(shù)進行小波逆變換，得到融合后的圖像。本發(fā)明對可見光和紅外圖像能同時獲取目標(biāo)和場景均清晰的融合圖像，且處理速度快，效果好，可用于目標(biāo)識別，跟蹤前的預(yù)處理。
文檔編號G06T5/50GK102254314SQ20111019950
公開日2011年11月23日 申請日期2011年7月17日 優(yōu)先權(quán)日2011年7月17日
發(fā)明者侯彪, 劉忠偉, 劉芳, 楊國輝, 楊奕堂, 楊淑媛, 焦李成, 王爽, 鐘樺 申請人:西安電子科技大學(xué)