一種sar、紅外、可見光圖像融合方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種圖像配準(zhǔn)和圖像融合方法，尤其是涉及 一種SAR、紅外、可見光圖像融合的方法。
【背景技術(shù)】
[0002] 隨著空間技術(shù)的快速發(fā)展以及新型傳感器的不斷出現(xiàn)，人們能夠獲取大量的不同 空間分辨率、不同時(shí)間分辨率、不同光譜分辨率的SAR、紅外、可見光等數(shù)據(jù)，從而構(gòu)成了用 于全球變化研究、地理信息系統(tǒng)數(shù)據(jù)庫更新、環(huán)境監(jiān)測、資源調(diào)查、災(zāi)害評估與防治、軍事應(yīng) 用等方面的多層次遙感影像集。為了充分利用來自不同傳感器的各類遙感信息，克服遙感 影像信息提取與解譯單一信息源的不足，多傳感器信息融合技術(shù)為多源遙感信息的融合利 用提供了一個(gè)主要解決途徑。所謂信息融合，是指在一定的準(zhǔn)則下，對來自多個(gè)傳感器的信 息進(jìn)行多層次、多方面、多級(jí)別的處理與綜合，從而獲得更可靠、更精確、更豐富的信息。
[0003] SAR屬于主動(dòng)式微波成像傳感器，穿透性好，具有全天候、全天時(shí)對地觀測的能力， 主要根據(jù)地物介電常數(shù)和表面粗糙度等特性成像；紅外圖像傳感器主要根據(jù)物體的熱輻射 特性成像；可見光圖像傳感器主要根據(jù)物體的光譜反射特性成像。因而，通常情況下，SAR 圖像的地物輪廓清楚，對比度、結(jié)構(gòu)信息比較好，具有豐富的紋理信息；紅外圖像很好地給 出了目標(biāo)存在特性和位置特性，但目標(biāo)邊緣模糊；而可見光圖像包含了豐富的地物光譜信 息，能夠很好地描述場景中的環(huán)境信息。因此，采用圖像融合技術(shù)將多源圖像傳感器的特性 有機(jī)地結(jié)合起來，可以充分發(fā)揮多種圖像數(shù)據(jù)的潛力，提高遙感解譯和信息提取的精度和 效率。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種SAR、紅外、可見光圖像融合的方法，該方法不僅獲得了 具有超高質(zhì)量的融合圖像，同時(shí)還具有較高的融合速度。
[0005] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案如下：
[0006] -種SAR、紅外、可見光圖像融合的方法，包括以下步驟：
[0007] 步驟一、針對同一目標(biāo)場景，分別采集原SAR、紅外、可見光圖像。
[0008] 步驟二、對采集到的原紅外與可見光圖像進(jìn)行去噪處理、對原SAR圖像進(jìn)行降斑 處理：
[0009] (1)提出一種新的自適應(yīng)混合噪聲濾波方法對采集到的原紅外與可見光圖像分別 進(jìn)行去噪處理：
[0010] 設(shè)含有噪聲的圖像為g，其大小為PXQ個(gè)像素，濾波輸出圖像為f。對含噪聲圖像 進(jìn)行從左到右從上到下的濾波。
[0011] 1)檢測噪聲類型
[0012] 首先，以噪聲圖像g中像素（i，j)為中心選取像素為3X3窗口 Spq，求出濾波窗內(nèi) 像素的方差：
[0014] 式中，
表示點(diǎn)（i，j)處的灰度值。
[0015] 令閾值為T1，其設(shè)置域是濾波窗平均灰度值m的一次函數(shù)，即T1= -kXm+b，這里 取 k = 0· 15, b = 80。
[0016] 判斷σ 2與T 大小關(guān)系：當(dāng)σ 2> T i時(shí)，則認(rèn)為該濾波窗內(nèi)受到椒鹽噪聲的污 染，執(zhí)行步驟（2)中的①；當(dāng)〇2< T1時(shí)，則認(rèn)為該濾波窗內(nèi)受到高斯噪聲的污染，執(zhí)行步驟 (2)中的②。
[0017] 2)濾波算法
[0018] ①受椒鹽噪聲污染濾波算法
[0019] a、首先，求出濾波窗內(nèi)灰度最大值max和最小值min，然后把濾波窗內(nèi)每個(gè)像素的 灰度值g(i，j) (i，j e濾波窗口 Spq)與最大值和最小值進(jìn)行比較，去除那些等于最大值或 最小值的像素點(diǎn)。
[0020] b、如果濾波窗內(nèi)剩余像素不為零，則求出剩余像素的平均值M，并計(jì)算平均像素灰 度值與濾波窗中點(diǎn)像素灰度值的差的絕對值d= |M_g(i，j) I。將此絕對值與設(shè)定的閾值T1 進(jìn)行比較，若d > T1，則輸出剩余像素均值M ;若d < T1，則輸出濾波窗中點(diǎn)像素灰度值g(i， j)。
[0021] c、若濾波窗內(nèi)剩余像素為零，則擴(kuò)大濾波窗口尺寸為5X5,并重復(fù)上述步驟a、b， 如果剩余像素仍為零，則圖像輸出為：
[0023] ②受高斯噪聲污染濾波算法
[0024] a、首先計(jì)算出濾波窗內(nèi)像素的梯度絕對值：
[0025] td = I g(i-l，j)+g(i，j-l)+g(i，j+l)+g(i+l，j)-4g(i，j) I (3)。
[0026] b、若梯度絕對值td大于某一給定的閾值T2CT2= -kXm+b，m為濾波窗平均灰度 值，這里取k = 0. 3, b = 160)，則直接輸出原像素；否則，輸出濾波窗像素灰度值均值。
[0027] 3)重復(fù)步驟1)和2)，直至完成所有像素點(diǎn)的濾波處理，最后得到除噪后的圖像。
[0028] (2)利用基于稀疏表示的SAR圖像去噪方法對采集到的原SAR圖像進(jìn)行降斑處理， 其具體步驟如下所示：
[0029] a、對原SAR圖像進(jìn)行非局部濾波處理，得到低頻圖像flOTpass;
[0030] b、用原SAR圖像減去非局部濾波處理后得到的低頻圖像flOTpass獲取含噪聲和部分 邊緣紋理的高頻圖像；
[0031] c、對上步得到的高頻圖像進(jìn)行分割處理，采用剪切波提取出其中的線狀目標(biāo)圖像 C，采用小波提取出其中的點(diǎn)狀目標(biāo)圖像P ;
[0032] d、將上述得到的低頻圖像flOTpass與線狀目標(biāo)圖像C、點(diǎn)狀目標(biāo)圖像P進(jìn)行加權(quán)融 合，得到最終的圖像f fuslcm。具體過程為：
[0033] ffuslon= a f lowpass+β P+γ C (4)，
[0034] 式中，ffuslcin為加權(quán)融合所得圖像；f lciwpass為非局部濾波所得低頻圖像部分；P為從 尚頻圖像中提取的點(diǎn)狀目標(biāo)圖像；C為從尚頻圖像中提取的線狀目標(biāo)圖像；α、β、γ為加 權(quán)系數(shù)，α+β + γ = 1，加權(quán)系數(shù)的確定需要根據(jù)圖像中目標(biāo)的特點(diǎn)來確定。
[0035] 步驟三、利用基于互信息的配準(zhǔn)方法及基于小波變換的融合方法將SAR、紅外、可 見光圖像進(jìn)行配準(zhǔn)融合：
[0036] (1)將處理后的SAR圖像和可見光圖像進(jìn)行配準(zhǔn)融合，得到配準(zhǔn)融合圖像C1，其具 體步驟如下所示：
[0037] a、將準(zhǔn)備進(jìn)行配準(zhǔn)融合的兩幅圖像分別設(shè)為基準(zhǔn)圖像A和浮動(dòng)圖像B ;
[0038] b、在浮動(dòng)圖像B中選取兩幅圖像共有的那一部分，作為匹配模板圖像B1;
[0039] c、設(shè)定初始點(diǎn)，一般從左上角起始點(diǎn)開始，將匹配模板B1在基準(zhǔn)圖像A中滑動(dòng)并 計(jì)算出兩幅圖像間的區(qū)域互信息值；
[0040] d、采用遺傳算法的搜索策略，通過比較梯度互信息值的大小，不斷改變空間變換 坐標(biāo)，直到找到區(qū)域互信息值的全局最優(yōu)值，并輸出對應(yīng)的位置，即得到最優(yōu)配準(zhǔn)參數(shù)；
[0041] e、利用小波變換將配準(zhǔn)后的兩幅圖像進(jìn)行融合，得到最后的配準(zhǔn)融合圖像。
[0042] (2)將處理后的紅外圖像和可見光圖像進(jìn)行配準(zhǔn)融合，得到配準(zhǔn)融合圖像C2，具體 步驟同⑴中的a~e。
[0043] (3)將得到的SAR、可見光的配準(zhǔn)融合圖像C1與紅外、可見光的配準(zhǔn)融合圖像(： 2進(jìn) 行配準(zhǔn)融合，得到融合圖像C3，具體步驟同（1)中的a~e。
[0044] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)：
[0045] 第一，本發(fā)明將SAR、紅外、可見光圖像進(jìn)行融合，將多源圖像傳感器的特性有機(jī)地 結(jié)合起來，充分發(fā)揮了多種圖像數(shù)據(jù)的潛力，提高了遙感解譯和信息提取的精度和效率。
[0046] 第二，本發(fā)明中提出的SAR、紅外、可見光圖像融合的方法，不僅能得到具有超高質(zhì) 量的融合圖像，還具有較高的融合速度，從而在夜視偵察、遙感、醫(yī)學(xué)、安防監(jiān)控等軍事和民 事領(lǐng)域有著廣闊的應(yīng)用前景。
[0047] 第三，本發(fā)明中在對采集到的原可見光與紅外圖像進(jìn)行去噪處理時(shí)提出一種新的 自適應(yīng)混合噪聲濾波算法。該算法將中值濾波、均值濾波與閾值選擇相結(jié)合，不僅能很好地 濾除噪聲，而且能較好地保護(hù)圖像的細(xì)節(jié)。
[0048] 第四、本發(fā)明中在對采集到的SAR圖像進(jìn)行降斑處理時(shí)提出一種基于稀疏表示的 SAR圖像降斑算法，可以充分利用圖像中高頻部分的有用信息，兼顧了噪聲抑制效果和紋理 細(xì)節(jié)保留。該算法是一種有效的針對高分辨率、紋理豐富的SAR圖像相干斑抑制算法。
[0049] 第五，本發(fā)明中在進(jìn)行圖像融合時(shí)采用小波變換法對圖像進(jìn)行分解。由于在小波 分解過程中圖像的數(shù)據(jù)量不變，同時(shí)各層的融合可并行進(jìn)行，所有其計(jì)算速度和所需的存 儲(chǔ)量都具有很好的優(yōu)勢。
【附圖說明】
[0050] 圖1為SAR、紅外、可見光圖像融合方法的流程圖；
[0051] 圖2為基于稀疏表示的SAR圖像降斑處理流程圖；
[0052] 圖3為圖像配準(zhǔn)融合流程圖。
【具體實(shí)施方式】
[0053] 下面結(jié)合附圖對本發(fā)明的技術(shù)方案作進(jìn)一步的說明，但并不局限于此，凡是對本 發(fā)明技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍，均應(yīng)涵蓋 在本發(fā)明的保護(hù)范圍中。
[0054] 本發(fā)明提供了一種SAR、紅外、可見光圖像融合的方法，如圖1所示，包括以下步 驟：
[0055] S1、針對同一目標(biāo)場景，分別采集原SAR、紅外、可見光圖像。
[0056] S2、對采集到的原紅外與可見光圖像進(jìn)行去噪處理、對原SAR圖像進(jìn)行降斑處理。
[0057] S21、提出一種新的自適應(yīng)混合噪聲濾波方法對采集到的原紅外與可見光圖像分 別進(jìn)行去噪處理：
[0058] 設(shè)含有噪聲的圖像為g，大小為PXQ，濾波輸出為f。對含噪聲圖像進(jìn)行從左到右 從上到下的濾波。圖像去噪過程的具體步驟如下：
[0059] S211、檢測噪聲類型
[0060] 首先，以噪聲圖像g中像素（i，j)為中心選取像素為3X3窗口 Spq，求出濾波窗內(nèi) 像素的方差：
[0062] 式中，
表示點(diǎn)（i，j)處的灰度值。
[0063] 令閾值為T1，其設(shè)置域是濾波窗平均灰度值m的一次函數(shù)，即T1= -kXm+b，這里 取 k = 0· 15, b = 80。
[0064] 判斷σ 2與T ^