一種sar、紅外、可見光圖像融合方法
【技術領域】
[0001] 本發(fā)明屬于圖像處理技術領域，涉及一種圖像配準和圖像融合方法，尤其是涉及 一種SAR、紅外、可見光圖像融合的方法。
【背景技術】
[0002] 隨著空間技術的快速發(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、資源調查、災害評估與防治、軍事應 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為多源遙感信息的融合利 用提供了一個主要解決途徑。所謂信息融合，是指在一定的準則下，對來自多個傳感器的信 息進行多層次、多方面、多級別的處理與綜合，從而獲得更可靠、更精確、更豐富的信息。
[0003] SAR屬于主動式微波成像傳感器，穿透性好，具有全天候、全天時對地觀測的能力， 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、結構信息比較好，具有豐富的紋理信息；紅外圖像很好地給 出了目標存在特性和位置特性，但目標邊緣模糊；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，采用圖像融合技術將多源圖像傳感器的特性 有機地結合起來，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 具有超高質量的融合圖像，同時還具有較高的融合速度。
[0005] 本發(fā)明解決其技術問題所采用的技術方案如下：
[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行去噪處理、對原SAR圖像進行降斑 處理：
[0009] (1)提出一種新的自適應混合噪聲濾波方法對采集到的原紅外與可見光圖像分別 進行去噪處理：
[0010] 設含有噪聲的圖像為g，其大小為PXQ個像素，濾波輸出圖像為f。對含噪聲圖像 進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 像素的方差：
[0014] 式中，
表示點（i，j)處的灰度值。
[0015] 令閾值為T1，其設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 大小關系：當σ 2> T i時，則認為該濾波窗內受到椒鹽噪聲的污 染，執(zhí)行步驟（2)中的①；當〇2< T1時，則認為該濾波窗內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，求出濾波窗內灰度最大值max和最小值min，然后把濾波窗內每個像素的 灰度值g(i，j) (i，j e濾波窗口 Spq)與最大值和最小值進行比較，去除那些等于最大值或 最小值的像素點。
[0020] b、如果濾波窗內剩余像素不為零，則求出剩余像素的平均值M，并計算平均像素灰 度值與濾波窗中點像素灰度值的差的絕對值d= |M_g(i，j) I。將此絕對值與設定的閾值T1 進行比較，若d > T1，則輸出剩余像素均值M ;若d < T1，則輸出濾波窗中點像素灰度值g(i， j)。
[0021] c、若濾波窗內剩余像素為零，則擴大濾波窗口尺寸為5X5,并重復上述步驟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、首先計算出濾波窗內像素的梯度絕對值：
[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)重復步驟1)和2)，直至完成所有像素點的濾波處理，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圖像進行降斑處理， 其具體步驟如下所示：
[0029] a、對原SAR圖像進行非局部濾波處理，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行分割處理，采用剪切波提取出其中的線狀目標圖像 C，采用小波提取出其中的點狀目標圖像P ;
[0032] d、將上述得到的低頻圖像flOTpass與線狀目標圖像C、點狀目標圖像P進行加權融 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狀目標圖像；C為從尚頻圖像中提取的線狀目標圖像；α、β、γ為加 權系數(shù)，α+β + γ = 1，加權系數(shù)的確定需要根據(jù)圖像中目標的特點來確定。
[0035] 步驟三、利用基于互信息的配準方法及基于小波變換的融合方法將SAR、紅外、可 見光圖像進行配準融合：
[0036] (1)將處理后的SAR圖像和可見光圖像進行配準融合，得到配準融合圖像C1，其具 體步驟如下所示：
[0037] a、將準備進行配準融合的兩幅圖像分別設為基準圖像A和浮動圖像B ;
[0038] b、在浮動圖像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、設定初始點，一般從左上角起始點開始，將匹配模板B1在基準圖像A中滑動并 計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，直到找到區(qū)域互信息值的全局最優(yōu)值，并輸出對應的位置，即得到最優(yōu)配準參數(shù)；
[0041] e、利用小波變換將配準后的兩幅圖像進行融合，得到最后的配準融合圖像。
[0042] (2)將處理后的紅外圖像和可見光圖像進行配準融合，得到配準融合圖像C2，具體 步驟同⑴中的a~e。
[0043] (3)將得到的SAR、可見光的配準融合圖像C1與紅外、可見光的配準融合圖像(： 2進 行配準融合，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)有技術相比，具有以下優(yōu)點：
[0045] 第一，本發(fā)明將SAR、紅外、可見光圖像進行融合，將多源圖像傳感器的特性有機地 結合起來，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 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、安防監(jiān)控等軍事和民 事領域有著廣闊的應用前景。
[0047] 第三，本發(fā)明中在對采集到的原可見光與紅外圖像進行去噪處理時提出一種新的 自適應混合噪聲濾波算法。該算法將中值濾波、均值濾波與閾值選擇相結合，不僅能很好地 濾除噪聲，而且能較好地保護圖像的細節(jié)。
[0048] 第四、本發(fā)明中在對采集到的SAR圖像進行降斑處理時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)明中在進行圖像融合時采用小波變換法對圖像進行分解。由于在小波 分解過程中圖像的數(shù)據(jù)量不變，同時各層的融合可并行進行，所有其計算速度和所需的存 儲量都具有很好的優(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為圖像配準融合流程圖。
【具體實施方式】
[0053] 下面結合附圖對本發(fā)明的技術方案作進一步的說明，但并不局限于此，凡是對本 發(fā)明技術方案進行修改或者等同替換，而不脫離本發(fā)明技術方案的精神和范圍，均應涵蓋 在本發(fā)明的保護范圍中。
[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行去噪處理、對原SAR圖像進行降斑處理。
[0057] S21、提出一種新的自適應混合噪聲濾波方法對采集到的原紅外與可見光圖像分 別進行去噪處理：
[0058] 設含有噪聲的圖像為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 像素的方差：
[0062] 式中，
表示點（i，j)處的灰度值。
[0063] 令閾值為T1，其設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 ^