图像融合方法，在进行融合处 理时，选取了均值作为低频融合规则，3 X 3窗口能量作为高频融合规则，在融合效果和计算 效率之间取得较好的平衡。
[0028] (5)本发明采用基于非下采样剪切波的可见光偏振图像融合方法，与通常偏振图 像融合方法相比，增加了目标增强处理，进一步增加了目标细节，提高了对比度，更适合人 眼观察和场景识别。
[0029] 总之：本发明在保持传统探测方法较高探测率的基础上，选取精细多尺度分解剪 切波，利用偏振特性增强和扩大目标和背景的区分度，增加了融合图像细节，提高了对比 度，突出了目标的偏振特性等，适用于偏振图像融合和目标探测系统中。
【附图说明】
[0030] 图1为本发明方法的整体框架实现流程图；
[0031] 图2为本发明方法使用的基于指导滤波器的增强算法原理图，首先对NSST重建图 像去噪并变换到对数域，然后由图像的均方差指导两个不同尺度的引导滤波器提取出两幅 不同程度的增强细节图，再叠加至原图并进行反对数变换输出增强后的融合图像；
[0032] 图3为本发明方法进行实验目标1的不同偏振态的灰度源图像，目标1为图中金 属圆柱体，其中图3(a)~（d)分别是0°、45°、90°、135°偏振方向角的偏振态图像，图像 分辨率为224X224像素。
[0033] 图4为本发明方法进行实验目标2的不同偏振态的灰度源图像，目标2为图中远 距呙路灯，其中图4(a)~（d)分别是0°、45°、90°、135°偏振方向角的偏振态图像，图像 分辨率为224X224像素。
[0034] 图5为本发明方法对目标1进行实验的结果，图像分辨率均为224X224像素。其 中图5(a)为0°偏振方向角的偏振态图像，图5(b)为光强图像s。，图5(c)为偏振度图像 DoLP，图5(d)为偏振角图像AoLP，图5(e)为本发明提取出的偏振特征图像F，图5(f)为对 偏振特征图像和光强图像进行均值融合的输出图像，图5(g)为对偏振特征图像和光强图 像进行3层Daubechies小波分解融合的输出图像，图5 (h)为本发明方法对偏振特征图像 和光强图像进行处理的融合输出图像。
[0035] 图6为本发明方法对目标2进行实验的结果，图像分辨率均为224X224像素。其 中图6(a)为0°偏振方向角的偏振态图像，图6(b)为光强图像s。，图6(c)为偏振度图像 DoLP，图6(d)为偏振角图像AoLP，图6(e)为本发明提取出的偏振特征图像F，图6(f)为对 偏振特征图像和光强图像进行均值融合的输出图像，图6(g)为对偏振特征图像和光强图 像进行3层Daubechies小波分解融合的输出图像，图6 (h)为本发明方法对偏振特征图像 和光强图像进行处理的融合输出图像。
[0036] 表1和表2是使用图像信息熵（information entropy, IE)、平均梯度（Average Gradient，AG)和基于人眼视觉的对比度敏感度下的无参考图像对比度熵HVSNRC客观评价 指标分别对图5和图6实验结果图像给出的客观评价值，其中对比度为负值表示目标被背 景掩盖。图像信息熵、平均梯度和对比度越大，表明融合效果越好。
【具体实施方式】
[0037] 下面结合附图对本发明的实施例作详细说明。本实施例在以本发明技术方案为前 提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于以 下的实施例。
[0038] 如图1所示，本实施例的算法流程分为=Stokes解算、偏振特征提取、非下采样 Shearlets多尺度分解、高低频系数融合和图像重建与目标增强五个部分。
[0039] 本实例提供了一种基于非下采样剪切波的可见光偏振图像融合方法，具体包括如 下步骤：
[0040] 步骤一、Stokes 解算：
[0041] 本实施例首先分别对图3和图4中的4幅分辨率为224X224像素的不同偏振态 图像进行Stokes解算。基于非下采样剪切波的可见光偏振图像融合方法，主要是利用不 同偏振态信息进行有效融合，以达到对目标突出目标，利于人眼视觉观察，提高探测率的目 的。常用描述光波偏振态的方法有两种，一种是Jones矢量法，用来描述完全偏振光；一种 是Stokes矢量法，它可以表不完全偏振光、部分偏振光乃至自然光，且Stokes矢量参量正 比于光强，可被探测器直接感知。因此，偏振成像多用Stokes矢量描述偏振态为： υ?Ν 丄 丄 λ J o/ I
[0042]
(公式 I)
[0043] 其中，Ie ( Θ = 〇°，45°，90°，135° )表示不同偏振方向角的偏振态图像，込 和Ir分别表示左、右旋圆偏振图像。s。与入射光强成正比，s :和s 2分别表示两个相互正交 方向的线偏振信息，83表示圆偏振信息。在自然环境中，圆偏振分量很小，可忽略。因此，目 标的偏振图像（偏振度DoLP和偏振角AoLP)可表不为：
[0044]
[0045]
[0046] 通过以上操作可以分别得到目标1和目标2的光强图像s。、偏振度图像DoLP和偏 振角图像AoLP，图像分辨率均为224 X 224。
[0047] 步骤二、偏振特征提取：
[0048] 一般而言，光强图像s。亮度大，细节丰富，但目标与背景对比度不够，偏振度图像 DoLP整体对比度较高但亮度较低、细节较少；而偏振角图像AoLP能较好反映目标物理表面 特性，但同时也放大了噪声。因此，本发明考虑提出一种综合偏振特征图像F，计算式如下：
[0049] F = a *DoLP+ β * (DoLP*cos (2*AoLP)) (公式 4)
[0050] 经过大量实验分析比较得到权重典型值为α =0.8, β =0.2。由此可以分别得 到目标1和目标2的偏振特征图像，图像分辨率为224X224。
[0051] 步骤三、非下采样Shearlets多尺度分解：
[0052] 剪切波（Shearlets)是2005年提出的一种多分辨率小波，与其他多尺度变换方法 相比，它具有很好的方向敏感性和各向异性，能够准确捕获图像中的边缘信息，且不会引入 伪Gibbs效应，因而正逐步应用于图像融合与边缘检测。根据公式1可以直接得到光强图 像s。，结合公式1、公式2和公式3可以得到提取出的偏振特征图像F，光强图像反映了目 标和背景的整体轮廓和亮度信息，而偏振特征图像反映了目标的偏振特性，因此，提出使用 非下采样Shearlets(NSST)对光强图像和偏振特征图像将光强图像s。和偏振特征图像F 分解在不同尺度和方向上。为提高精度，这里尺度j取4，对第1、2层高频分量进行10个 方向分解，3、4层高频分量进行18个方向分解。NSST的实现主要分为两个步骤：非下采样 的多尺度分解和方向局部化。分别对光强图像和偏振特征图像进行4层非下采样金字塔 (non-subsampled pyramid，NSP)分解，由于NSST分解不存在下采样，因此，图像经4层NSP 分解后，最终得到5个和原图大小相同子带图像，其中包括1个低频图像和4个带通图像， 图像分辨率为224X224。然后再对4个带通图像分别进行方向分解，以实现高频图像方向 局部化。
[0053] 步骤四、高低频系数融合：
[0054] 经过步骤三可以得到目标1和目标2对应的光强图像s。和偏振特征图像F在不 同尺度不同方向上的子带图像，选取各层各方向上的低频成分取像素平均作为该层融合图 像的低频系数；高频系数融合规则采用窗口能量最大准则，选取模板卷积和最大的像素作 为