CN114862710B 红外和可见光图像融合方法及装置 （中国人民解放军陆军工程大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114862710B(45)授权公告日2025.07.11

(21)申请号202210454565.1

(22)申请日2022.04.26

(65)同一申请的已公布的文献号申请公布号CN114862710A

(43)申请公布日2022.08.05

(73)专利权人中国人民解放军陆军工程大学地址050003河北省石家庄市和平西路97

号

(72)发明人马晓琳李爱华李永科冀鲸宇林志龙邢娜张玉华王长龙

G06T5/50(2006.01)

(56)对比文件

KR102257752B1,2021.05.31审查员李子路

(74)专利代理机构北京八月瓜知识产权代理有

限公司11543专利代理师秦莹

(51)Int.CI.

GO6T5/70(2024.01)权利要求书4页说明书15页附图9页

(54)发明名称

红外和可见光图像融合方法及装置

(57)摘要

CN114862710B本说明书实施例提供了一种红外和可见光图像融合方法及装置，其中，方法包括：利用滚动引导滤波器将源图像进行基础层和细节层分解，其中，细节层中包括大部分细节和外部噪声，基础层包括：残差细节和能量；基于构造的结构-纹理分解模型将所述基础层再次分解，将所述基础层分解为基础结构层和基础纹理层；使用各层所对应的不同融合规则，对所述细节层、所述基础结构层和所述基础纹理层进行预融合；通过重构三层预融合层获取融合图像。不仅能有效地处理

CN114862710B

利用滚动引导滤波器将源图像进行基础层

利用滚动引导滤波器将源图像进行基础层

和细节层分解，其中，细节层中包括大部

分细节和外部噪声，基础层包括：残差细

节和能量

基于构造的结构-

纹理分解模型将所述基础层再次分解，将

所述基础层分解为基础结构层和基础纹理

层

使用各层所对应的不同融合规则，对所述

细节层、所述基础结构层和所述基础纹理

层进行预融合

通过重构三层预融合层获取融合图像

S101

S102

S103

S104

CN114862710B权利要求书1/4页

2

1.一种红外和可见光图像融合方法，其特征在于，包括：

利用滚动引导滤波器将源图像进行基础层和细节层分解，其中，细节层中包括大部分细节和外部噪声，基础层包括：残差细节和能量；其中，利用滚动引导滤波器将源图像进行基础层和细节层分解具体包括：

根据公式1和公式2对源图像进行基础和细节分解，通过求解,得到图像I的细节层

I:

In=RGF(Imos,oz,T)

I=In-I

其中I是第n个源图像，b∈{1,2,...,N},IB表示I的基础层；

公式1;公式2;

基于构造的结构-纹理分解模型将所述基础层再次分解，将所述基础层分解为基础结构层和基础纹理层；具体包括：

根据公式3和公式4,基于结构-纹理分解模型对贵进行分解，得到基础结构层InS和基

础纹理层I1t:

InS=IGF(IR,φ,a)

Ln=1-1nS

其中，φ和λ分别为标度参数和平滑参数；

公式3;公式4;

使用各层所对应的不同融合规则，对所述细节层、所述基础结构层和所述基础纹理层进行预融合；具体包括：基于超分辨率SR方法，通过建立稀疏重构误差与噪声标准差之间的联系，实现融合去噪，进行细节层的预融合；采用基于视觉显著图VSM的加权平均技术对基础结构层进行预融合；采用主成分分析方法对基础纹理层进行预融合；

通过重构三层预融合层获取融合图像。

2.根据权利要求1所述的方法，其特征在于，

基于SR方法，通过建立稀疏重构误差与噪声标准差之间的联系，实现融合去噪，进行细节层的预融合具体包括：

通过滚动引导滤波器生成训练数据的细节层，从细节图像中收集8×8大小的块，构建最终的训练集，采用KSVD算法得到字典D;

对每个源图像取8×8大小的块，并对其进行归一化，通过求解以下目标函数，采用正交匹配追踪算法0MP生成细节层SR系数：

公式5;

公式6;

其中，V?为源图像I的第k个小块，αn为对应的稀疏向量。C为最大稀疏重构误差，σ为高斯标准差，C0是在σ0时控制C的参数