多尺度梯度域圖像融合算法
【專(zhuān)利摘要】本發(fā)明提供一種多尺度梯度域圖像融合算法，將紅外熱像圖和可見(jiàn)光圖像相融合，其特征在于，包括以下步驟：構(gòu)造梯度場(chǎng)步驟；修正梯度融合權(quán)重步驟；重建梯度場(chǎng)步驟；以及透明度法圖像融合步驟。本發(fā)明所提供的多尺度梯度域圖像融合算法能夠同時(shí)保留紅外熱像圖和可見(jiàn)光圖像的溫升區(qū)域和細(xì)節(jié)信息，去除圖像之間相互作用產(chǎn)生的光暈偽影現(xiàn)象和冗余信息，并避免了紅外熱像圖溫升區(qū)域的顏色失真。
【專(zhuān)利說(shuō)明】多尺度梯度域圖像融合算法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及計(jì)算機(jī)算法，特別設(shè)及一種基于結(jié)構(gòu)張量的多尺度梯度域圖像融合算 法。

【背景技術(shù)】
[0002] 紅外熱成像技術(shù)能夠有效地檢測(cè)設(shè)備的熱隱患，將電氣設(shè)備的維護(hù)提升到了對(duì)設(shè) 備狀態(tài)過(guò)程的檢測(cè)，保證了供電、用電的可靠性，因而廣泛地應(yīng)用于電力設(shè)備的實(shí)時(shí)監(jiān)測(cè) 中。紅外熱成像技術(shù)通過(guò)紅外熱像儀采集紅外福射，轉(zhuǎn)換為溫度場(chǎng)，然后表現(xiàn)為物體的熱像 分布圖。熱像分布圖可W將溫度場(chǎng)信息瞬間可視化，清晰直觀地判別高溫區(qū)域的溫度情況， 但是會(huì)導(dǎo)致非高溫區(qū)域的圖像細(xì)節(jié)信息缺失。而可見(jiàn)光圖像具有完整的視覺(jué)信息，將熱紅 外的偽彩色圖像與可見(jiàn)光彩色圖像融合可W得到更加本質(zhì)、客觀的互補(bǔ)信息，有助于檢測(cè) 人員或系統(tǒng)對(duì)故障點(diǎn)快速準(zhǔn)確地定位。
[0003] 近年來(lái)，關(guān)于將紅外熱圖像與可見(jiàn)光圖像融合的研究日益增多。該類(lèi)研究大多將 圖像源轉(zhuǎn)換到灰度域進(jìn)行融合，由此得到的圖像丟失了紅外熱像圖中直觀的溫度信息，無(wú) 法判斷熱點(diǎn)是否超出常規(guī)溫度，因而為故障區(qū)域的定位增加了難度。
[0004] "Application of visible image mixing function for thermography"公開(kāi)了 通過(guò)混合函數(shù)將紅外熱像圖與可見(jiàn)光圖像融合的方法，通過(guò)二者的融合，溫升區(qū)域與設(shè)備 可見(jiàn)光圖像同時(shí)呈現(xiàn)在一張圖片中，根據(jù)該圖片可W分辨出熱點(diǎn)大概位置，但是可見(jiàn)光圖 像中的信息被嚴(yán)重覆蓋，對(duì)熱點(diǎn)的定位造成了干擾。
[0005] "Thermal distribution monitoring of the container data center by a fast in化ared image化sion technique"提出了快速紅外圖像融合法（FII巧，將偽色彩熱點(diǎn)圖 像與彩色可見(jiàn)光圖像融合。該方法把源圖像中的色彩信息很好地保留，使熱點(diǎn)定位的研究 取得了重要進(jìn)展，然而該方法會(huì)導(dǎo)致部分熱點(diǎn)信息丟失，并導(dǎo)致融合圖像存在一定程度的 冗余信息。
[0006] "A color daytime and nighttime image fusion algorithm based on IHS and Multi-Wavelet transform"提出將紅外熱像圖與可見(jiàn)光圖像轉(zhuǎn)換到I服空間域融合，將彩 色源圖像的RGB轉(zhuǎn)換為色度、飽和度與亮度分量，運(yùn)用加權(quán)或小波變換將亮度分量融合。由 于該方法獲得的融合圖像改變了圖像的亮度元素，且在圖像恢復(fù)過(guò)程時(shí)忽略了可見(jiàn)光圖像 的色度元素，導(dǎo)致融合圖像色彩失真，嚴(yán)重情況下可能會(huì)致使巡檢人員對(duì)溫度的誤判。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明是針對(duì)上述問(wèn)題進(jìn)行的，目的在于提供一種基于結(jié)構(gòu)張量的多尺度梯度域 圖像融合算法，盡可能地保留紅外熱像圖的溫升區(qū)域、背景信息W及可見(jiàn)光圖像的細(xì)節(jié)信 息。
[000引本發(fā)明為實(shí)現(xiàn)上述目的，采用了 W下的技術(shù)方案：
[0009] 本發(fā)明提供一種多尺度梯度域圖像融合算法，將紅外熱像圖和可見(jiàn)光圖像 相融合，其特征在于，包括W下步驟：構(gòu)造梯度場(chǎng)步驟，設(shè)灰度圖像為I (x，y)，該灰 度圖像的特征信息由梯度表示為：

【權(quán)利要求】
1. 一種多尺度梯度域圖像融合算法，將紅外熱像圖和可見(jiàn)光圖像相融合，其特征在于， 包括以下步驟： 構(gòu)造梯度場(chǎng)步驟，設(shè)灰度圖像為I(x，y)，該灰度圖像的特征信息由梯度表示為：
(x，y)是所述灰度圖像的像素坐標(biāo)，I▽Il是所述灰度圖像的灰度的變化大小， ▽I/lVIl是所述梯度的方向，Vf/IVIl表示垂直于所述梯度的方向， 將所述紅外熱像圖和所述可見(jiàn)光圖像都作為源圖像，設(shè)多通道圖像ImU1,X2) :D- [1，M]N的各個(gè)標(biāo)量通道來(lái)自于多個(gè)所述源圖像In(x" X2),n= 1，? ? ?，N， 式中Oq，x2)表示所述多通道圖像某一像素點(diǎn)的灰度值，設(shè)所述多通道圖像中存在點(diǎn)a= (X1,x2)和點(diǎn)b= (Y1,y2)，所述點(diǎn)a和所述點(diǎn)b的差分為Im (X1,x2) -Im(ypy2)，當(dāng)所述點(diǎn)a和 所述點(diǎn)b的距離趨近于無(wú)窮小，所述差分可以用微分代替，表示為：
所述公式（5)在微分幾何曲面中為第一基本形式，所述矩陣G為結(jié)構(gòu)張量，將該結(jié)構(gòu)張 量G轉(zhuǎn)換到梯度場(chǎng)表示為：
修正梯度融合權(quán)重步驟，采用均值法提取所述紅外熱像圖中的溫升區(qū)域，設(shè)所述源圖 像的特征圖為Sn，梯度融合權(quán)重為：
將高斯濾波G13U1,x2, 〇)的多尺度變換與所述紅外熱像圖的圖像梯度協(xié)方差C相結(jié) 合，對(duì)所述圖像梯度協(xié)方差C進(jìn)行多尺度變換，有：
式中，*代表卷積運(yùn)算，0是尺度因子，將圖像銜接處的結(jié)構(gòu)特征設(shè)計(jì)為：
式中，AJPX2是經(jīng)過(guò)所述多尺度變換后的所述紅外熱像圖的圖像梯度協(xié)方差的特征 值， 采用soft-max函數(shù)修正所述特征圖邊緣區(qū)域的梯度權(quán)重：
式中，Sn是所述特征圖邊緣區(qū)域的多尺度結(jié)構(gòu)特征，且
，最終的帶 有梯度權(quán)重的結(jié)構(gòu)張量G為：
重建梯度場(chǎng)步驟，所述結(jié)構(gòu)張量G是半正定矩陣，特征值為AJPX2，其中最大特征值A(chǔ)1表示所述源圖像在某一點(diǎn)的最大變化率，最小特征值X2代表該點(diǎn)的最小變化率，對(duì)應(yīng) 所述最大變化率和所述最小變化率的方向分別用特征向量eJPe2表示，將所述結(jié)構(gòu)張量G 對(duì)角化為：

Ire; 透明度法圖像融合步驟，采用R、G、B三通道方式處理所述重建圖像和所述可見(jiàn)光圖 像，然后采用透明度法將所述重建圖像和所述可見(jiàn)光圖像融合，用公示表示為： IF=f(Ire,Iv,T) = (I-T)Ire+TIv (20)， 式中，Iv是所述可見(jiàn)光圖像，If是融合圖像，T是渾濁因子，且Te(〇，1)，計(jì)算所述 公式（20)得到所述融合圖像IF。
2. 根據(jù)權(quán)利要求1所述的多尺度梯度域圖像融合算法，其特征在于：其中，所述尺度因 子 〇 = 0? 5〇
3. 根據(jù)權(quán)利要求1所述的多尺度梯度域圖像融合算法，其特征在于：其中，所述渾濁因 子T= 〇? 3。
【文檔編號(hào)】G06T3/40GK104504670SQ201410757041
【公開(kāi)日】2015年4月8日 申請(qǐng)日期:2014年12月11日 優(yōu)先權(quán)日:2014年12月11日
【發(fā)明者】劉雯雯, 曹樹(shù)建, 肖兒良, 毛晨 申請(qǐng)人:上海理工大學(xué)