一种利用模糊度量和形态学交替算子的红外与可见光图像融合方法
【技术领域】
[0001] 本发明涉及一种利用模糊度量和形态学交替算子的红外与可见光图像融合方法， 属于数字图像处理领域，它主要涉及模糊数学、数学形态学和图像融合技术。在各类基于图 像融合的实际应用系统中有广阔的应用前景。
【背景技术】
[0002] 由不同成像传感器获得的图像包含场景的不同性质。例如，红外探测器获得的 红外图像包含了场景中的温度特性，对目标识别具有重要意义；而可见光图像包含场景的 大量细节信息，可提供场景分析所需要的大量信息。如何获得同时包含不同成像源产生 的图像中的不同有用信息是图像分析的重要研宄内容，图像融合是解决这一问题的有效 途径（参见文献：莱维等，一种用于人认知的新的多谱特征图像融合方法，红外物理与技 术，52 卷，（2009)79-88。（M.Leviner，M.Maltz，Anewmulti-spectralfeaturelevel imagefusionmethodforhumaninterpretation,InfraredPhysics&Technology 52(2009)79 - 88. ))〇
[0003] 为了有效融合红外与可见光图像，研宄人员提出了各种方法。直接平均法是简单 有效的图像融合方法。然而，该方法会严重平滑图像信息。基于小波或曲波的方法是红 外和可见光图像融合的一类重要方法（参见文献：帕亚雷斯等，一种基于小波的图像融合 策略，模式识别，37 卷，（2004) 1855-1872。（G.Pajares，J.Cruz,Awavelet-basedimage fusiontutorial,PatternRecognition37(2004) 1855 - 1872);南希等，利用曲波变换的 遥感图像融合，信息融合，8 卷，（2007) 143 - 156。（F.Nencini,A.Garzelli,S.Baronti,L. Alparone,Remotesensingimagefusionusingthecurvelettransform,Information Fusion8(2007) 143 - 156.))。但是，这类方法仍然会平滑图像细节，使得融合图像不够清 晰。基于独立成分分析的方法也是图像融合的一类重要方法（参见文献：米提安纳蒂斯 等，利用独立成分分析的像素级和区域级图像融合框架，信息融合，8卷，（2007) 131-142。 (N.Mitianoudis,T.Stathaki,Pixel-basedandregion-basedimagefusionschemes usingICAbases,InformationFusion8(2007) 131 - 142.))。但该方法可能会丢失其他 成分信息，造成融合图像细节不够清晰。
[0004] 形态学方法是红外与可见光图像融合的重要工具。其中，高帽变换可有效应用于 红外与可见光图像融合（参考文献：白等，基于多尺度中心环绕高帽变换特征提取的红外 和可见光图像融合，光学快报，19 卷，（2011)8444 - 8457。（X.Bai，F.Zhou,B.Xue，Fusion ofinfraredandvisualimagesthroughregionextractionbyusingmultiscale center-surroundtop-hattransform,OpticsExpress19(9)(2011)8444 - 8457.))〇 虽然融合结果图像的对比度较好，但图像细节仍然不够清晰。形态学交替算子可有效提 取图像中的有用信息，尤其是细节信息（参考文献：白等，利用基于形态学开闭运算的切 换变换构造交替算子的显微矿物图像增强，光学杂志，16卷，（2014) 125407。（X.Bai，Y. Zhang,Enhancementofmicroscopymineralimagesthroughconstructingalternating operatorsusingopeningandclosingbasedtoggleoperator,JournalofOptics 16 (2014) 125407.))。这说明，该算子可能用于红外与可见光图像融合特征的提取，从而生 成对比度较好且细节清晰的融合结果。基于此，本发明提出了一种利用模糊度量和形态学 交替算子的红外与可见光图像融合方法。
【发明内容】
[0005] 1、目的：图像融合可有效利用多源图像中的有用信息，是图像分析的重要关键技 术。红外和可见光图像融合需有效提取图像中的有用信息并合理地组合从而形成包含更多 有用信息的融合图像。为了生成有效的融合图像，研宄人员提出了各种红外和可见光图像 融合方法。但是，现有方法产生的融合图像的细节还不够清晰、图像对比度还不够好，融合 结果还不是非常有效。
[0006] 为了解决上述问题并弥补传统方法的不足，本发明提供了一种利用模糊度量和形 态学交替算子的红外与可见光图像融合方法，它利用两种形态学交替算子提取原始红外与 可见光图像中的多尺度特征；由提取的多尺度特征构造多尺度融合特征；利用模糊度量计 算每一尺度融合特征的权值，通过加权求和产生最终的融合特征；以原始图像的平均图像 为基准，引入最终的融合特征，生成最终融合图像。融合结果图像中的细节更加清晰、对比 度更好。
[0007] 2、技术方案：为了实现这个目的，本发明一种利用模糊度量和形态学交替算子的 红外与可见光图像融合方法，该方法具体步骤如下：
[0008] 步骤一：利用两种形态学交替算子提取原始红外与可见光图像中的多尺度亮、暗 特征，具体如下：
[0009] 设f，g为原始红外与可见光图像，则提取的红外图像f?的多尺度亮特征BFAOi(f) 如下：
[0010] BFAO： {f)=[BE40 (f)+BE40^{fy]/2,
[0011]万没〇;. (/)和"柯(/)的表述如下：
[0012]BFA0； (/)=max[/(.\:,j0-[A0'(./')J(.v,y),OJ,
[0013] BFAO](/)=max[/'(A\y)- [,4(^(/')](.v,>),0],
[0014] 其中，和丨为两类形态学交替算子，其定义如下：
[0015] AOSx^IFDJIFBJx^y)),
[0016] A〇 ]，y)=lFB(IFD..(x,_v)),
[0017] 其中，/FSS( (x，办和/FZ)H (X, _y)的表述如下：
[0018] IPB(/)(.v,v)=max(/(A% >')-TO,, (/)(a-. >).()),
[0019] /FDH (J)(x,y)=maxCrO,, f[x,y)A)),
[0020] 其中，7^..的表述如下：
[0021]
【主权项】
1. 一种利用模糊度量和形态学交替算子的红外与可见光图像融合方法，其特征在于： 该方法具体步骤如下： 步骤一：利用两种形态学交替算子提取原始红外与可见光图像中的多尺度亮、暗特征， 具体如下： 设f，g为原始红外与可见光图像，则提取的红外图像f的多尺度亮特征BFAOjf)如 下：
其中，丨和丨为两类形态学交替算子，其定义如下：
其中，的表述如下：
其中，
为多尺度形态学结构元素，表示最低尺度的结构元素； f〇BJPf?Bi的表述如下：
其中，（x，y)和（u，v)是f和&的图像坐标；?和0分别代表形态学膨胀和腐蚀运算； 同理，提取的红外图像f的多尺度暗特征DFAOi(f)如下：
同样，针对可见光图像g，提取的多尺度亮特征BFAOjg)和暗特征DFAOjg)分别如下：
步骤二：由提取的多尺度亮、暗特征构造多尺度亮、暗融合特征： 按下式计算由红外和可见光图像产生的多尺度亮融合特征BFAOi(f，g):
按下式计算由红外和可见光图像产生的多尺度暗融合特征DFAOi(f，g):
步骤三：利用模糊度量计算每一尺度融合特征的权值，通过加权求和产生最终的亮、暗 融合特征： 按下式计算最终的亮融合特征FBFA0(f，g):
其中，wfi的表述如下：
y(x,y) =I(x,y)/Imax, 其中，I为任意图像，Imax为图像I中的最大灰度值； 同理，按下式计算最终的暗融合特征FDFA0(f,g):
其中，dfi的表述如下：
步骤四：以原始红外和可见光图像的平均图像为基准，引入最终的亮、暗融合特征，生 成最终融合图像。
【专利摘要】一种利用模糊度量和形态学交替算子的红外与可见光图像融合方法，它有四大步骤：一、利用两种形态学交替算子提取原始红外与可见光图像中的多尺度特征；二、由提取到的多尺度特征构造多尺度融合特征；三、利用模糊度量计算每一尺度融合特征的权值，通过加权求和产生最终的融合特征；四、以原始图像的平均图像为基准，引入最终的融合特征，生成最终融合图像。本发明可应用于各类基于图像融合的实际应用系统，具有很好的应用前景。
【IPC分类】G06T5-50
【公开号】CN104574334
【申请号】CN201510014641
【发明人】白相志
【申请人】北京航空航天大学
【公开日】2015年4月29日
【申请日】2015年1月12日