專(zhuān)利名稱(chēng)：基于壓縮感知的可見(jiàn)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(shuō)是一種結(jié)合了壓縮感知理論的可見(jiàn)光和紅外圖像融合方法。用于對(duì)圖像進(jìn)行進(jìn)一步的分析、理解以及目標(biāo)的檢測(cè)、識(shí)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(gè)新興的科研領(lǐng)域有著廣闊的發(fā)展前景。它通過(guò)提取和綜合來(lái)自多個(gè)傳感器圖像的信息，獲得對(duì)同一場(chǎng)景或目標(biāo)的更為準(zhǔn)確、全面、可靠的圖像描述，以便對(duì)圖像進(jìn)行進(jìn)一步的分析、理解以及目標(biāo)的檢測(cè)、識(shí)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(dòng)目標(biāo)識(shí)別、計(jì)算機(jī)視覺(jué)、遙感、機(jī)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(guò)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(guó)內(nèi)外已開(kāi)發(fā)出多種融合系統(tǒng)，但這并不表明該項(xiàng)技術(shù)已經(jīng)完善。從目前的情況來(lái)看，圖像融合技術(shù)還存在許多理論和技術(shù)方面的問(wèn)題有待解決。尤其需要指出的是圖像融合技術(shù)在國(guó)內(nèi)所進(jìn)行的研究相對(duì)于國(guó)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(jìn)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(duì)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(jiàn)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(duì)信號(hào)采樣、傳輸和存儲(chǔ)的巨大壓力，如何緩解這種壓力又能有效提取承載在信號(hào)中的有用信息是信號(hào)與信息處理中急需解決的問(wèn)題之一。近幾年來(lái)國(guó)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(duì)信號(hào)進(jìn)行完全采樣，在采樣時(shí)也不需要知道信號(hào)的任何先驗(yàn)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(chǔ)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(dá)成像、遙感成像、核磁共振成像、人臉識(shí)別、信源編碼等諸多領(lǐng)域?qū)嚎s感知展開(kāi)了廣泛的應(yīng)用研究。最近幾年國(guó)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(jiàn)文章《Compressive Image Fusion》，in Proc. IEEE Int. Conf. Image Process, pp. 1308—1311，2008.該方法采用觀測(cè)值絕對(duì)值取大的融合規(guī)則，效果不盡人意。此后X. Li等人對(duì)它進(jìn)行了改進(jìn)，提出了基于壓縮感知的可見(jiàn)光和紅外圖像融合方法，參見(jiàn)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(cè)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(diǎn)，提出了一種基于壓縮感知的可見(jiàn)光和紅外圖像融合方法，以減少數(shù)據(jù)量，降低計(jì)算復(fù)雜度，并在降低復(fù)雜度的同時(shí)提高圖像融合的效果。實(shí)現(xiàn)本發(fā)明目的的技術(shù)關(guān)鍵是利用壓縮感知對(duì)信號(hào)的不完全采樣來(lái)減少數(shù)據(jù)量， 利用快速沃爾什哈達(dá)馬變換矩陣來(lái)降低計(jì)算復(fù)雜度，整個(gè)處理過(guò)程分為四大部分，首先對(duì)可見(jiàn)光圖像和紅外圖像進(jìn)行一層小波分解，再對(duì)分解后的低頻子帶系數(shù)采用低頻融合規(guī)則進(jìn)行融合，對(duì)每個(gè)高頻子帶系數(shù)進(jìn)行觀測(cè)，然后對(duì)每個(gè)高頻子帶系數(shù)觀測(cè)值進(jìn)行融合，并對(duì)融合后的每個(gè)高頻子帶系數(shù)觀測(cè)值進(jìn)行重構(gòu)，得到融合后的高頻子帶系數(shù)，最后對(duì)融合后的低頻子帶系數(shù)和高頻子帶系數(shù)進(jìn)行小波逆變換得到融合的圖像，其具體步驟包括如下(1)對(duì)輸入的可見(jiàn)光圖像A和紅外圖像B進(jìn)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(gè)方向的高頻子帶系數(shù)^，<，ε = 1,2,3；(2)對(duì)可見(jiàn)光圖像A和紅外圖像B的低頻子帶系數(shù)Xk和知進(jìn)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(jiàn)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(duì)可見(jiàn)光圖像A和紅外圖像B的三個(gè)方向的高頻子帶冗和<，ε = 1，2，3用觀測(cè)矩陣進(jìn)行觀測(cè)，得到兩幅圖像三個(gè)方向高頻子帶系數(shù)的觀測(cè)值 <和4(4)對(duì)可見(jiàn)光圖像A和紅外圖像B的三個(gè)方向的高頻子帶系數(shù)觀測(cè)值 <和ε =1，2，3進(jìn)行融合，得到融合后的高頻子帶系數(shù)的觀測(cè)值ζε Ga)計(jì)算可見(jiàn)光圖像A和紅外圖像B的三個(gè)方向的高頻子帶系數(shù)觀測(cè)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(jiàn)光和紅外圖像融合方法，包括如下步驟(1)對(duì)輸入的可見(jiàn)光圖像A和紅外圖像B進(jìn)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(gè)方向的高頻子帶系數(shù)^，<，ε = 1,2,3 ；(2)對(duì)可見(jiàn)光圖像A和紅外圖像B的低頻子帶系數(shù)和&進(jìn)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(jiàn)光和紅外圖像融合方法，其中步驟(1) 所述的對(duì)輸入的可見(jiàn)光圖像A和紅外圖像B進(jìn)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(jiàn)光和紅外圖像融合方法，其中步驟(3) 所述的對(duì)可見(jiàn)光圖像A和紅外圖像B的三個(gè)方向的高頻子帶冗和<，ε =1，2，3進(jìn)行觀測(cè)， 按如下步驟進(jìn)行(3a)將大小均為NXN的可見(jiàn)光圖A和紅外圖像B的三個(gè)方向的高頻子帶系數(shù)冗，yl,ε = 1，2，3排成三個(gè)列向量，每個(gè)列向量大小均為fxl; (3b)采用快速沃爾什哈達(dá)馬觀測(cè)矩陣對(duì)三個(gè)方向的高頻子帶系數(shù)列向量進(jìn)行計(jì)算，得到大小為MX 1的各個(gè)高頻子帶系數(shù)列向量的觀測(cè)值蛘ζ; =Af2其中，Φ為快速沃爾什哈達(dá)馬觀測(cè)矩陣，大小為Mx[，y I =A,B, ε = 1，2，3為可4 力，見(jiàn)光圖像A和紅外圖像B的三個(gè)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(jiàn)光和紅外圖像融合方法，其中步驟(5) 所述的對(duì)可見(jiàn)光圖像A和紅外圖像B融合后的高頻子帶系數(shù)觀測(cè)值ζε，ε =1，2，3進(jìn)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(kāi)了一種基于壓縮感知的可見(jiàn)光和紅外圖像融合方法，主要解決現(xiàn)有的可見(jiàn)光和紅外傳感器難以同時(shí)獲取目標(biāo)和場(chǎng)景均清晰的問(wèn)題。其實(shí)現(xiàn)步驟為(1)對(duì)輸入的可見(jiàn)光和紅外圖像進(jìn)行單層小波分解；(2)對(duì)小波分解后的低頻子帶系數(shù)進(jìn)行融合，對(duì)高頻子帶系數(shù)進(jìn)行觀測(cè)；(3)對(duì)高頻子帶系數(shù)觀測(cè)值進(jìn)行融合；(4)對(duì)融合后的高頻子帶系數(shù)觀測(cè)值進(jìn)行重構(gòu)，得到融合后的高頻子帶系數(shù)；(5)對(duì)融合后的低頻子帶系數(shù)和高頻子帶系數(shù)進(jìn)行小波逆變換，得到融合后的圖像。本發(fā)明對(duì)可見(jiàn)光和紅外圖像能同時(shí)獲取目標(biāo)和場(chǎng)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(shí)別，跟蹤前的預(yù)處理。
文檔編號(hào)G06T5/50GK102254314SQ20111019950
公開(kāi)日2011年11月23日 申請(qǐng)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(guó)輝, 楊奕堂, 楊淑媛, 焦李成, 王爽, 鐘樺 申請(qǐng)人:西安電子科技大學(xué)