买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：淮阴师范学院

摘要：本发明公开了一种亮度特征比较的图像融合方法。该方法首先对可见光和红外图像分别提取亮部边缘图和暗部边缘图，中值滤波并构建边缘显著图。其次，将两幅原图像分别进行拉普拉斯滤波和高斯滤波，获取两幅高频显著图，确定权重图，并以原图像作为引导图像，对每个权重映射进行引导图像滤波。再次，从原红外图像中提取特征图，得到红外图像的显著图。同时获取原图像的亮度特征比值。最后，将原图像与决策图进行导向滤波融合，并进行边缘增强，得到最终融合的图像。本发明所提出的融合方法，可以更精确地识别图像中的边缘，减少噪声和其他非边缘信息的影响、提高图像的对比度和清晰度，使得融合结果更加丰富和细腻。

主权项：1.一种亮度特征比较的图像融合方法，其特征在于：具体步骤如下：步骤S1，计算最小灰度差，对原红外图像IIi,j和原可见光图像IVi,j分别进行整幅图像灰度值取平均值，将取得的平均值分别除以64，作为对IIi,j和IVi,j进行边缘特征提取的最小灰度差dI与dV；步骤S2，计算二次差分灰度矩阵，以2个像素单位为采样距，对IIi,j和IVi,j分别进行八个方向灰度差计算，将两个相对方向计算的灰度差和进行二次取差，可分别获得四个二次差分灰度矩阵u∈1,2,3,4；步骤S3，处理灰度矩阵并映射采样点，在同一原图像获取的四个二次差分灰度矩阵中，任意三个灰度矩阵在同一位置的数值大于最小灰度差dn,n∈I,V时，将三个矩阵的相应位置数值取平均值；对于中间方向矩阵，在原图中映射相应的中心像素位置和两个以2个像素单位为采样距的相对采样点；步骤S4，构造亮部边缘图和暗部边缘图，对步骤S3中两个采样点进行亮度比较，将较亮采样点的位置映射在亮部边缘矩阵中，用于存放取得的平均值，并构造亮部边缘图；在暗部边缘矩阵的中心像素点处存放平均值，用于构造暗部边缘矩阵；遍历整幅图像后，保留亮部边缘图的全部数据，在暗部边缘图中将其与前者在同一像素点且均不为0的数据置0，可得到亮部边缘图LIi,j、LVi,j和暗部边缘图AIi,j、AVi,j；步骤S5，构造显著映射，对亮部边缘图LIi,j、LVi,j和暗部边缘图AIi,j、AVi,j进行中值滤波处理，再根据原图像类型分别相加，得到红外边缘图MIi,j和可见光边缘图MVi,j，并构建边缘显著图TIi,j与TVi,j；步骤S6，亮度特征比较、优化高频显著图，将原红外图像IIi,j和原可见光图像IVi,j分别进行拉普拉斯滤波可获得高通图像HIi,j与HVi,j，将HIi,j与HVi,j再进行高斯滤波后可获取两幅高频显著图SIi,j与SVi,j，将高频显著图SIi,j与SVi,j与边缘显著图TIi,j与TVi,j进行亮度特征比较，相同位置亮度取较大者数值，得到处理后的高频显著图SI′i,j与SV′i,j；步骤S7，构造基础层、细节层权重，对步骤6中得到的SI′i,j与SV′i,j进行比较，确定权重图PIi,j和PVi,j；以相应的原图像作为引导图像，对权重图PIi,j、PVi,j映射分别进行双尺度引导滤波，获得基础层权重WIBi,j和WVBi,j、细节层权重WIDi,j和WVDi,j，并进行归一化处理；步骤S8，构造红外图像双尺度亮度特征图，使用Itti算法中关于图像亮度特征提取的算法对IIi,j进行显著图提取，并使用圆形滤波器进行模糊处理，得到红外特征图EIi,j，并将得到的特征图EIi,j与IIi,j分别进行基础层和细节层导向滤波，获得红外特征图EIi,j的基础层和细节层权重图QIBi,j、QIDi,j，并进行归一化处理；步骤S9，优化权重图、图像重建与边缘增强，对比原红外图像IIi,j和原可见光图像IVi,j的平均灰度值avgII、avgIV，将avgII、avgIV做差后除以二者之和，可得到系数x；若x0，则将x与QIBi,j、QIDi,j相乘，再分别与WIBi,j、WIDi,j相加；若x≤0，则将WVBi,j、WVDi,j分别乘以x+1，可获得优化后的权重图将优化后的基础层权重和细节层权重分别进行加权平均融合，获得基础层和细节层将叠加并进行边缘增强，可得到最终的融合图像Ffinal。

全文数据：

权利要求：

百度查询： 淮阴师范学院 一种亮度特征比较的图像融合方法