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！

摘要：本发明公开了一种基于联合低秩稀疏分解的红外与可见光图像序列融合方法，首先选取包括红外与可见光图像连续帧的图像对作为数据集，先在数据集中选取M对红外与可见光图像序列，对应标记为Xk和Yk，其中k代表第k个图像序列，然后将图像序列进行联合低秩稀疏分解，通过联合低秩稀疏分解得到M对图像的共有低秩分量，以及它们各自的特有低秩分量和稀疏分量；然后采用加权平均的融合规则方法进行稀疏分量融合，得到融合图像；然后进行特有低秩分量融合，最后得红外与可见光图像的融合图像。本发明引入了联合低秩稀疏分解技术，然后针对分解得到的各个分量按照各自的特性针对性的设计合适的融合规则，从而达到提高融合质量的目的。

主权项：1.一种基于联合低秩稀疏分解的红外与可见光图像序列融合方法，其特征在于，具体按照以下步骤实施：步骤1、联合低秩稀疏分解：选取包括红外与可见光图像连续帧的图像对作为数据集，先在数据集中选取M对红外与可见光图像序列，对应标记为Xk和Yk，其中k代表第k个图像序列，然后将图像序列进行联合低秩稀疏分解，通过联合低秩稀疏分解得到M对图像的共有低秩分量，以及它们各自的特有低秩分量和稀疏分量；所述步骤1将图像序列进行联合低秩稀疏分解具体如下： 式中Xk是第k个红外序列图像，Yk是第k个可见光序列图像，Lc是共有低秩分量，和是第k个红外与可见光序列图像的特有低秩分量；和是第k个红外与可见光序列图像的稀疏分量；是第k个红外序列图像的特有低秩分量，是第k个可见光序列图像的特有低秩分量；是第k个红外序列图像的稀疏分量，是第k个可见光序列图像的稀疏分量，k是第k个图像对，K是总共有K个图像对；具体进行分解时的限定条件如下： 式中*为核范数，1为1范数，λ1和λ2为正则化参数，用来平衡这两项的贡献；步骤2、采用加权平均的融合规则方法进行稀疏分量融合，得到融合图像步骤3、采用基于引导滤波和相位一致性的融合规则方法进行特有低秩分量融合，这样就可以对联合低秩稀疏分解得到最重要的部分—特有低秩分量针对性的设计最优融合权重，并进行融合得到融合图像所述步骤3具体如下：步骤3.1、特有低秩分量表示图像序列的不同帧之间的差异，首先，利用相位一致性提取红外与可见光序列图像两个特有低秩分量的显著性特征，分别表示为和然后使用选择一致性检查的最大值规则，通过比较显著性特征来获得权重图，如下所示： 式中为红外序列图像特有低秩分量的权重图，为可见光序列图像特有低秩分量的权重图，为红外序列图像特有低秩分量的显著性特征，为可见光序列图像特有低秩分量的显著性特征；步骤3.2、利用基于引导滤波器的空间一致性方案来解决这个问题，对由相位一致性得到的每个权重图进行引导滤波器，以获得细化权重图： 其中和表示红外与可见光图像序列的细化权重图，式中表示红外图像序列的细化权重图，表示与可见光图像序列的细化权重图，Gr,ε表示引导滤波，其中r和ε表示引导滤波的两个超参数；步骤3.3、将步骤3.2中所得到的细化权重图对红外与可见光图像序列图像的特有低秩分量进行融合，融合规则如下： 式中为第k对红外与可见光序列图像特有低秩分量的融合图；步骤4：将步骤2和步骤3得到的融合图像和同分解得到的共有低秩分量LC进行相加可得第k对红外与可见光图像的融合图像Fk。

全文数据：

权利要求：

百度查询： 西安理工大学 基于联合低秩稀疏分解的红外与可见光图像序列融合方法