一种基于自适应非均匀剖分的红外可见光图像融合方法
本申请涉及计算机视觉领域,特别涉及一种基于自适应非均匀剖分的红外可见光图像融合方法。
背景技术:
1、图像融合技术旨在通过整合多源图像中的互补信息以生成更具信息量的融合图像,其核心目的是克服单一成像模态的局限性,在军事侦察、医疗诊断、遥感监测和计算机视觉等领域提升对复杂场景的感知与理解能力。然而,由于红外和可见光成像机制的显著差异,有效地保留和融合两种模式的互补信息面临着巨大的挑战。一方面,在模型架构层面,亟需构建对红外显著目标与可见光纹理细节的自适应提取与加权融合,从而在融合结果中同时保留热辐射目标的突出性与背景纹理的丰富性。另一方面,在系统实现层面,当前缺乏面向实时低功耗场景的轻量化、可解释且高鲁棒的融合系统,制约了该技术在实际场景中的部署与应用。
2、现有融合技术普遍面临融合效果与效率的双重瓶颈,融合图像常出现特征丢失、伪影干扰或光谱失真,难以兼顾纹理细节丰富度与语义一致性。一方面源于多源图像间存在显著的模态差异与非线性关系,导致特征对齐与信息提取极为困难,另一方面也受到传统融合方法依赖人工设计规则而泛化能力不足,以及深度学习模型计算复杂度高、难以部署到资源受限终端等限制。
3、可见,现有技术中的融合方案,既难以充分保留红外目标的显著特征与可见光纹理的细节信息,又无法在轻量化架构下保证融合效果的鲁棒性与实时性。因此,需要提出一种基于自适应非均匀剖分的红外可见光图像融合方法,以克服上述缺陷。
技术实现思路
1、本发明的目的在于提供基于自适应非均匀剖分的红外可见光图像融合方法,通过动态调整剖分网格与加权融合的方式,解决在图像融合过程中难以同时充分保留纹理细节、减少计算冗余以及增强热目标的技术问题。
2、为了达成上述目的,本申请实施例提供一种基于自适应非均匀剖分的红外可见光图像融合方法,包括:
3、步骤1:求解拟合函数最小二乘逼近后确定的系数集。采用极大似然估计法实现拟合函数非线性表达式与线性表达式之间的转换;
4、步骤2:采用最小二乘法将图像的像素灰度值和位置作为采样数据,用递归方法对整个图像进行剖分,直至每个子区域内的像素都能被拟合函数精确表征,实现图像的自适应分区。
5、步骤3:构建自适应权重的图像融合算法,实现红外与可见光图像的优势互补,使得融合结果既能保留可见光丰富的背景细节,也能突出红外图像中的热目标信息;
6、步骤4:对初始融合图像进行优化处理,实现图像细节的增强与边缘的锐化,在保留可见光背景结构的同时,自适应增强红外目标的显著性,提升视觉感知质量。
7、所述求解拟合函数最小二乘逼近后确定的系数集,通过最小二乘法,找到那组能让拟合曲线与所有数据点整体误差最小的函数参数。具体包括:
8、步骤1:采用最小二乘法对区域图像像素灰度值进行拟合;
9、步骤2:根据最小二乘法对像素进行拟合,最小二乘法的解决方案是使残差平方和最小化,并使其小于预先设定的阈值ε;
10、步骤3:求解每个变量的偏导数得到线性方程组,为使残差平方和最小化,令线性方程组关于各变量的导数为零;
11、步骤4:求解线性方程,得到拟合函数的系数。
12、所述采用最小二乘法将图像的像素灰度值和位置作为采样数据,用递归方法对整个图像进行剖分,具体包括:采用最小二乘法,递归法将图像离散坐标点集转化为数学表达式,实现图像矢量化,对每个剖分区域图像纹理复杂度的不同进行自动调整,有效地保留复杂纹理区域更多的高频细节,提高图像的融合质量;针对图像边缘,采用非线性指数函数作为拟合函数对图像灰度值进行近似,避免融合图像产生伪影;对于拟合函数,根据极大似然估计法实现拟合函数非线性表达式与线性表达式之间的转换;采用以下公式进行最小二乘拟合:
13、f(x,y)=exp(ax+by+cxy+d)
14、其中,a,b,c,d为方程的系数。
15、所述加权融合处理构建自适应权重的图像融合算法,计算并比较红外可见光图像剖分网格面积大小动态调整权重分配,利用加权平均法得到初始融合图像,具体包括:
16、步骤1:为红外线及可见光创建m×n的全1矩阵作为基础权重;
17、步骤2:计算当前网格块的面积,面积越小表示该区域细节越丰富;
18、步骤3:根据网格面积计算权重值,使用指数衰减函数,设定衰减因子,网格面积越小权重越大;
19、步骤4:将计算出的权重值赋给当前网格在权重图中对应的区域,为可见光和红外图像分别生成权重图,细节丰富的区域采用更高权重;
20、步骤5:将两张图的权重矩阵逐像素相加,得到每个像素点的总权重,归一化权重。
21、步骤6:对每个像素点,使用归一化的权重对可见光和红外图像进行加权融合,最终得到融合图像。
22、所述融合图像优化处理包括引入多尺度锐化,热目标增强及自适应动态范围优化方法。首先对初始融合图像进行多尺度锐化,然后对锐化后的图像进行热目标增强,最后进行动态范围优化并转换为8位图像。
23、相比于现有技术,本发明的有益效果如下:
24、1、本发明采用指数函数的非线性对图像灰度值进行近似,避免融合图像产生伪影,对每个剖分区域图像纹理复杂度的不同进行自动调整,保留复杂纹理区域的高频细节,增强图像表示在图像纹理复杂区域自适应性,从而提高了图像的融合质量,解决了多源图像间存在显著的模态差异与非线性关系导致特征对齐与信息提取困难问题。
25、2、本发明设计自适应权重图像融合算法,对图像进行加权平均处理,根据图像剖分网格动态调整融合图像的权重,在融合结果中同时保留热辐射目标的突出性与背景纹理的丰富性,解决传统融合方法依赖人工设计规则而泛化能力不足的问题。
26、3、本发明将基于像素的图像信息转换为数学表达式,减少冗余计算,构建了轻量化、可解释且高鲁棒的融合系统,解决了深度学习模型计算复杂度高、难以部署到资源受限终端等限制问题。
1.一种基于自适应非均匀剖分的红外可见光图像融合方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,求解拟合函数最小二乘逼近后确定的系数集,通过最小二乘法,找到那组能让拟合曲线与所有数据点整体误差最小的函数参数。具体包括:
3.如权利要求2所述的方法,其特征在于,根据最小二乘法拟合后的图像像素灰度值和位置作为采样数据,用递归方法对整个图像进行剖分,具体包括:采用最小二乘法,递归法将图像离散坐标点集转化为数学表达式,实现图像矢量化,对每个剖分区域图像纹理复杂度的不同进行自动调整,将原始图像动态地划分为不同大小的区域网格,有效地保留复杂纹理区域更多的高频细节,提高图像的融合质量;针对图像边缘,采用非线性指数函数作为拟合函数对图像灰度值进行近似,避免融合图像产生伪影;对于拟合函数,根据极大似然估计法实现拟合函数非线性表达式与线性表达式之间的转换;采用以下公式进行最小二乘拟合:
4.如权利要求3所述的方法,其特征在于,根据红外可见光图像剖分区域网格加权融合处理,构建自适应权重的图像融合算法,动态调整权重分配,得到初始融合图像,具体包括:
5.如权利要求1所述的方法,其特征在于,对初始融合图像进行优化处理,引入多尺度锐化,热目标增强及自适应动态范围优化方法。首先对初始融合图像进行多尺度锐化,然后对锐化后的图像进行热目标增强,最后进行动态范围优化并转换为8位图像。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com