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：西安科技大学

摘要：本发明属于图像融合技术领域，公开了一种红外和可见光图像融合方法、系统、计算机设备及应用，对原始红外图像进行基于卷积神经网络的超分辨率重构，获得重构后高分辨率的红外图像；对可见光和高分辨率的红外图像各自进行各向异性扩散，得到相应的基础层和细节层；利用KL变换获取最大特征向量对细节层进行融合，利用显著度自适应提取对基础层进行融合；将融合后的细节层和基础层通过线性重构得到最终的融合图像。通过大量实验表明，相比于4种融合算法，本发明所提出的算法无论从主观判断，还是从客观评价指标都具有更好的融合效果，为了使融合图像具有较高的清晰度的同时，具有更加丰富的细节信息和轮廓纹理。

主权项：1.一种红外和可见光图像融合方法，其特征在于，所述红外和可见光图像融合方法包括：对原始红外图像进行基于卷积神经网络的超分辨率重构，获得重构后高分辨率的红外图像；对可见光和高分辨率的红外图像各自进行各向异性扩散，得到相应的基础层和细节层；利用KL变换获取最大特征向量对细节层进行融合，利用显著度自适应提取对基础层进行融合；将融合后的细节层和基础层通过线性重构得到最终的融合图像；所述红外和可见光图像融合方法的融合策略，高分辨率红外图像为IIRx,y，尺寸为m2×n2，可见光图像记为IVISx,y，尺寸为m1×n1，AD·表示对图像进行各向异性扩散，IIRx,y和IVISx,y经过各向异性扩散得到的基础层图像和分别表示为： 细节层图像和由图像IIRx,y、IVISx,y分别减去对应的基础层得到： 提取可见光图像尺寸m1×n1，赋值于高分辨率红外图像IIRx,y扩散后得到的基础层和细节层使基础层和细节层的大小都为m1×n1；细节层利用KL变换获取最大特征向量的方法进行融合，将细节层和置为列向量并记为X，求取X的协方差矩阵CXX，CXX的特征向量记为： 求取特征值σ1和σ2，并找出其最大特征值σmax，记作：σmax＝maxσ1,σ2；σmax相对应的特征向量为ξmax，计算出融合权重系数D1、D2： 最后得到的融合细节层表示为： 在对基础层图像进行融合时，将的显著度记为表示为： 式中：x和y表示像素点在图像中的位置，MeanIRx,y为图像内所有像素点的平均值，图像计算出的显著度记为 和的权重分别为WIR和WVIS，其计算式为： WVIS＝1-WIR；基础层融合图像的表达式：

全文数据：

权利要求：

百度查询： 西安科技大学 红外和可见光图像融合方法、系统、计算机设备及应用