【CN110084771A】一种基于集值映射的双模态红外图像分块多算法优化融合方法【专利】

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910178779.9
(22)申请日 2019.03.11
(71)申请人 中北大学
地址 030051 山西省太原市尖草坪区学院
路3号
(72)发明人 杨风暴　胡鹏　吉琳娜　王肖霞　
郑志华　
(74)专利代理机构 太原科卫专利事务所(普通
合伙) 14100
代理人 朱源
(51)Int.Cl.
G06T 5/50(2006.01)
G06T 3/40(2006.01)
(54)发明名称
一种基于集值映射的双模态红外图像分块
多算法优化融合方法
(57)摘要
本发明一种基于集值映射的双模态红外图
像分块多算法优化融合方法，该方法根据双模态
红外图像的图像特点和成像机理构建用于描述
两类图像互补信息的差异特征集；其次，对待融
合图像进行几何分块并根据差异特征集的元素
提取各块的差异特征，经归一化后利用条件取大
规则确定各块的显著差异特征；而后，选取性能
优越的融合算法构建融合算法集，通过构建更通
用的融合有效度公式和更合理数理统计的方法
建立起差异特征与融合算法间的映射关系；进一
步利用建立的映射为各块配置最佳融合算法并
进行分块融合；最终，将各融合图块进行拼接处
理形成一幅完整的融合图像。

本发明提高了差异
特征驱动融合的针对性，克服了基于先验知识选
择算法的不可预见性局限。

权利要求书2页 说明书8页 附图13页CN 110084771 A 2019.08.02
C N 110084771
A
1.一种基于集值映射的双模态红外图像分块多算法优化融合方法，其特征在于包括以下步骤：
S1：源图像确定：选取多组红外光强与偏振场景图作为研究对象；
S2：构建差异特征集：对比S1中场景图的图像特点以及结合双模态红外光强与偏振图像的成像机理，确定双模态红外图像的差异特征类型，进一步选取能量、信息熵、平滑度、Tamura对比度、边缘强度和平均梯度六个描述差异信息的特征构建差异特征集；
S3：图像分块与各块显著差异特征的确定：采用几何分块将图像等分，根据差异特征集的组成元素，提取图像各分块的六个差异特征并归一化各差异特征的幅值，结合条件取大规则确定各分块的显著差异特征；
S4：构建融合算法集：选取融合算法构建融合算法集；
S5：建立集值映射关系：构建反映算法对特征融合性能的融合有效度函数，结合S1中的场景图，分别建立每组图像的各个差异特征与融合算法间的融合有效度分布关系，最终对多组场景的分布结果进行加权统计以获得差异特征与最优融合算法的映射关系；
S6：分块融合：利用S3中已确定的图像各分块的显著差异特征，结合S5中建立的映射关系，为各分块选取最佳融合算法并进行图像融合，以获得各块的融合图像，将获得的各融合图块按照原来的组合顺序拼接为一幅完整的融合图像，并作相应的拼接处理。

2.根据权利1所述的一种基于集值映射的双模态红外图像分块多算法优化融合方法，其特征在于S3图像分块与各块显著差异特征的确定中具体步骤如下：
S31：利用公式(7)对每块图像的各个差异特征值进行归一化，(7)式中Dif代表差异特征；K＝1，2，3…M是图块编号；n＝1，2，3…6是差异特征编号；I和P代表红外光强与偏振图像；w I 和w P 是权重因子，
其形式如式(8)，
S32：
利用式(9)的条件取大规则确定各个图块的最显著差异特征，
(9)式中的MD代表显著差异特征；sum代表6个差异特征归一化后的和，式(9)的含义是当能量差异特征占总差异特征的比例大于等于T时，该图块的最显著差异特征为EN，否则最显著差异特征为不包括EN在内的其他具有最大值的差异特征。

3.根据权利1所述的一种基于集值映射的双模态红外图像分块多算法优化融合方法，其特征在于S5建立集值映射关系具体步骤如下：
S51：对各场景的红外光强与偏振图像分别进行分块处理，以获取更多的小样本块；S52：对各场景每组源图像，利用所选取的融合算法分别融合，这样每组图像得到不同的融合图像，然后对每幅融合图像进行分块处理；
S53：分别计算每组源图像及其相应融合图像对应样本块的6个差异特征的特征值，为了定量描述融合算法对某一特征融合效果的好坏，构建单特征融合有效度公式(10)进行融
权　利　要　求　书1/2页2CN 110084771 A。