專利名稱：基于動態(tài)目標檢測的圖像融合方法
技術領域：
本發(fā)明涉及的是一種圖像融合處理技術領域的方法，特別是一種基于動態(tài)目標檢測的微光與紅外圖像融合方法。

背景技術：
單光譜成像系統(tǒng)通常只提供目標的部分光譜信息，而工作于不同光譜段的多探測器系統(tǒng)利用不同探測器的數據互補和冗余，從各自獨立測量空間獲取信息。多光譜融合成像便是運用數據融合技術從不同信源綜合信息來克服單探測器的缺陷。例如，紅外探測器具有識別偽裝能力，能發(fā)現隱藏在樹林和草叢中的人員、車輛與火炮，但其對場景的亮度變化不敏感，成像清晰度低，不利于人眼判讀。微光探測器只敏感于目標場景的反射，能夠提供目標所在場景的細節(jié)信息，清晰度較高。因此紅外與可見光圖像的融合將有利于綜合紅外圖像較好的目標指示特性和微光圖像的清晰場景信息。
目前，比較成熟的圖像融合方法大多是基于像素級的，大體可以分為以下三大類 (1)簡單的圖像融合方法，如加權平均融合法等。它直接對多幅圖像的對應像素點進行加權疊加。它的優(yōu)點在于概念簡單，計算量小，適合實時處理。
(2)基于金字塔分解的圖像融合方法，如基于拉普拉斯金字塔分解的圖像融合方法、基于低通比率金字塔分解的圖像融合方法、基于梯度金字塔分解的圖像融合方法等。在這類方法中，原圖像不斷被濾波，形成一個塔狀結構。在塔的每一層都用一種方法對這一層的數據進行融合，從而得到一個合成的塔式結構，然后對合成的塔式結構進行重構，最后得到合成的圖像。
(3)基于小波變換的圖像融合方法。小波變換是對圖像在不同頻率通道上進行處理，首先將源圖像進行小波分解，得到一系列子圖像，再在變換域上進行特征選擇，創(chuàng)建融合圖像，最后通過逆變換重建融合圖像。
簡單的圖像融合方法缺點是融合后的圖像包含很強的噪聲，特別是當融合圖像的灰度差異很大時，就會出現明顯的拼接痕跡，視覺效果差。金字塔分解和小波變換的圖像融合方法得到的融合圖像有更好的質量，與人眼的生理學相符合。但是這幾種方法都不具有鮮明的紅外目標指示特性，不利于運動目標的觀測。


發(fā)明內容
本發(fā)明的目的在于提供一種基于動態(tài)目標檢測的圖像融合方法，從而實現微光與紅外圖像實時融合。
實現本發(fā)明的目的的技術解決方案為一種基于動態(tài)目標檢測的圖像融合方法，步驟如下 (1)利用紅外攝像頭采集圖像； (2)將采集到的紅外圖像與理想圖像進行比較，檢測紅外視場中是否有運動目標出現；如果有運動目標則執(zhí)行步驟(3)，否則返回步驟(1)； (3)對幀差圖像中像素進行判斷，可將運動目標中的部分像素標記出來； (4)通過種子像素的生長提取出紅外圖像序列中的運動目標，并且計算目標的坐標信息； (5)對紅外攝像頭采集到的圖像進行高斯金字塔分解，并由高斯金字塔建立圖像的對比度金字塔； (6)利用微光攝像頭采集圖像； (7)以紅外圖像為基準，利用仿射變換的配準方法將微光圖像仿射到紅外圖像的坐標上，利用查找表的方式實現圖像的快速配準； (8)對微光圖像進行高斯金字塔分解，并由高斯金字塔建立圖像的對比度金字塔； (9)對紅外圖像建立的對比度金字塔層和微光圖像建立的對比度金字塔層分別進行融合處理，最終得到融合圖像的對比度金字塔，然后將該對比度金字塔進行圖像重構，得到融合圖像； (10)采用灰度疊加或者色度映射的方法將步驟(4)提取出的運動目標圖像與融合圖像進行二次融合，最終得到具有紅外目標指示特性的融合圖像。
本發(fā)明與現有技術相比，其顯著優(yōu)點(1)通過與理想圖像的比較，檢測紅外視場中是否有運動目標出現，通過差分圖像判斷像素屬于背景還是目標，并且利用種子像素的生長準確提取出紅外圖像序列中的運動目標。(2)采用二次融合的方法，將經過目標提取后的紅外圖像與融合圖像二次融合，使得融合圖像不僅具有普通融合方法信息豐富的特點，還具有鮮明的紅外目標指示特性。(3)系統(tǒng)還提供了紅外目標的坐標信息，為精確定位提供了可能。
下面結合附圖對本發(fā)明作進一步詳細描述。



圖1是本發(fā)明基于動態(tài)目標檢測的圖像融合方法的流程圖。
圖2是本發(fā)明檢測紅外視場中運動目標的流程圖。
圖3是本發(fā)明目標提取的流程圖。
圖4是本發(fā)明質心計算的流程圖。
圖5是本發(fā)明紅外攝像頭采集的紅外圖像。
圖6是本發(fā)明紅外圖像的被檢測出的目標圖像。
圖7是本發(fā)明微光攝像頭采集的微光圖像。
圖8是本發(fā)明經過配準的微光圖像。
圖9是本發(fā)明紅外圖像與微光圖像的融合圖像。
圖10是本發(fā)明經過二次融合的灰度疊加圖像。
圖11是本發(fā)明經過二次融合的色度映射圖像。

具體實施例方式 結合圖1，本發(fā)明的基于動態(tài)目標檢測的圖像融合方法包括以下步驟 步驟1、利用紅外攝像頭采集圖像； 步驟2、將采集到的紅外圖像與理想圖像進行比較，檢測紅外視場中是否有運動目標出現；如果有運動目標則執(zhí)行步驟3，否則返回步驟1；結合圖2，檢測紅外視場中是否有運動目標出現的步驟具體為 第一、對理想圖像

進行估計 式中0.99≤K＜1，(x，y)表示圖像中像素的坐標，In(x，y)表示第n幀圖像中坐標(x，y)處像素的灰度值，

表示第n-1幀中，坐標(x，y)處像素灰度值的理想估計值； 第二、對理想圖像的均方差σn2(x，y)進行估計 第三、將紅外圖像序列中當前幀圖像所有坐標像素點的灰度值與理想圖像的像素點的灰度值進行如下比較 取T0為N·σn(x，y)，N為整幅圖像的像素個數。如果∑|Dn(x，y)|＞T0成立，則認為圖像中存在了運動目標；否則認為圖像中不存在運動目標。
步驟3、對幀差圖像中像素進行判斷；將運動目標中的部分像素標記出來；結合圖3，具體為 首先，在紅外序列圖像中通過逐像素比較的方法求取前后兩幀圖像之間的差別；差分圖像的表達式為 ΔIn(x，y)＝In(x，y)-In-1(x，y) 其次，令T1＝2σn(x，y)，通過下式對目標像素進行標記
在d(x，y)中，數值為255的像素對應了運動目標前部區(qū)域。
第三，對目標邊緣圖像d(x，y)進行形態(tài)學的腐蝕和膨脹運算，消除閃爍噪聲造成的亮點，排除誤標的目標像素點。
步驟4、通過種子像素的生長提取出紅外圖像序列中的運動目標，并且計算目標的坐標信息；結合圖4，具體為 第一，選取d(x，y)中一個亮度為255的像素作為種子像素； 第二，設種子像素坐標為(x，y)，以該像素為中心，向相鄰的8個像素搜索，令 T1＝2σn(x，y)， 如果

則認為該像素為運動目標的一部分， 如果 則認為該像素也是運動目標的一部分，否則，認為該像素不是屬于運動目標； 第三，采用上述條件判斷d(x，y)是否為運動目標的像素，如果是的話將d(x，y)標記為1，不是的話標記為2； 第四，繼續(xù)向其鄰域的8個像素進行搜索；如果遇到某像素未被標記，則返回第三步，否則不進行任何操作； 第五，將標記過1、2的像素作以下處理，則可以提取出紅外圖像中的運動目標
第六，通過以下公式可以獲得目標在X軸和Y軸的坐標信息， 式中，Xs，Ys分別為紅外目標在X軸和Y軸的坐標，N為所有標記為1的像素點總個數，(xi，yi)是所有標記為1的像素點的坐標。
步驟5、對紅外攝像頭采集到的圖像進行高斯金字塔分解，并由高斯金字塔建立圖像的對比度金字塔；根據公式

進行高斯金字塔分解，首先通過一次對l-1層紅外圖像與低通特性的窗口函數w(m，n)進行卷積，再把卷積結果作隔行隔列的降采樣，即可得到。
由高斯金字塔建立紅外圖像的對比度金字塔是由下述公式實現 式中，Gl是Guass金字塔的第l層圖像，I為第l層的單位矩陣，CPl是對比度金字塔分解的第l層圖像，而
步驟6、利用微光攝像頭采集圖像； 步驟7、以紅外圖像為基準，利用仿射變換的配準方法將微光圖像仿射到紅外圖像的坐標上，利用查找表的方式實現圖像的快速配準；快速配準的具體步驟為 第一、設紅外圖像像素點坐標(Ix，Iy)，微光圖像像素點坐標(Lx，Ly)，根據仿射變換公式把微光圖像仿射到紅外圖像坐標上，最終得到微光圖像每個像素點的新地址 A＝(a21Ix+a22Iy+b2)Line+(a11Ix+aIy+b1)； 上述仿射變換公式為 其中

為旋轉矩陣，

為平移矩陣，參數a11，a12，a21，a22，tx，ty通過專門的多源圖像配準測試程序獲得； 第二、建立查找表，在查找表中存儲配準后微光圖像像素在待配準微光圖像中對應的四個點的地址和相應權值，然后利用雙線性數字插值法計算對應的若干微光像素點灰度值。
上述雙線性數字插值法公式為 L(x，y)＝{L([x]，[y])·(1-Δx)+L([x]+1，[y])·Δx}(1-Δy)+{L([x]，[y]+1)·(1-Δx)+L([x]+1，[y]+1)·Δx}Δy 式中，[]為取整數；Δx，Δy，1-Δx，1-Δy分別為四個相鄰像素點的權值。
步驟8、對微光圖像進行高斯金字塔分解，并由高斯金字塔建立圖像的對比度金字塔； 根據公式

進行高斯金字塔分解，首先通過一次對l-1層微光圖像與低通特性的窗口函數w(m，n)進行卷積，再把卷積結果作隔行隔列的降采樣，即可得到。
由高斯金字塔建立微光圖像的對比度金字塔是由下述公式實現 式中，Gl是Guass金字塔的第l層圖像，I為第l層的單位矩陣，CPl是對比度金字塔分解的第l層圖像，而
步驟9、對紅外圖像建立的對比度金字塔層和微光圖像建立的對比度金字塔層分別進行融合處理，最終得到融合圖像的對比度金字塔，將該對比度金字塔進行圖像重構，得到融合圖像； 圖像重構是對比度金字塔分解的逆過程
式中，CPlF是第l層紅外對比度金字塔圖像和第l層微光對比度金字塔圖像的融合圖像， 從對比度金字塔的頂層開始逐層由上向下遞推，可以恢復出融合圖像的Gauss金字塔，并最終得到融合圖像。
步驟10、采用灰度疊加或者色度映射的方法將步驟4提取出的運動目標圖像與融合圖像進行二次融合，最終得到具有紅外目標指示特性的融合圖像。
采用灰度疊加的方法將運動目標圖像與融合圖像進行二次融合的公式為 F*(x，y)＝F(x，y)+α·T(x，y) 式中F*(x，y)為二次融合圖像，T(x，y)為運動目標圖像，F(x，y)為融合圖像，α為二次融合系數，α＞0。
采用色度映射的方法將運動目標與融合圖像進行二次融合的公式為 式中T(x，y)為運動目標圖像，F(x，y)為融合圖像，FY*(x，y)為二次融合圖像的亮度分量，FCr*(x，y)為二次融合圖像的色差分量。
下面結合實施例對本發(fā)明做進一步詳細的說明 本系統(tǒng)發(fā)明以高速DSP(TMS320DM642)和FPGA(EPM7128AE)為核心，研制了實時多光譜圖像融合處理系統(tǒng)，實現像素級的目標識別和圖像融合成像，系統(tǒng)結構如圖5所示。系統(tǒng)采用高速DSP和FPGA協同工作，其中DSP工作主頻高達720MHz，處理能力可達5760MIPS，將承擔圖像圖像配準、目標的識別以及紅外與微光圖像融合；FPGA實現圖像的二次融合。視頻輸入為三路PAL/NTSC制標準視頻信號(選擇其中兩路)，其中最大輸入范圍為0-1Vpp，采樣精度為8位，采樣頻率為全電視信號27MHz，亮度信號為13.5MHz。視頻輸出為一路PAL/NTSC制標準視頻信號，其中最大輸出范圍為0-1.23Vpp，灰度分辨率為10位，視頻合成頻率為27MHz。圖像融合系統(tǒng)將把前端(紅外/微光成像系統(tǒng))的信號處理和實時圖像融合處理有機的結合在一起，實現了基于動態(tài)目標檢測的圖像融合。
本實施例的流程如圖1所示，所采集的紅外和微光圖像大小均為256×256，α取0.2，K取0.99，仿射變換系數(a11，a12，a21，a22，tx，ty)為(1.025，0.0，0.0，1.050，3.2，2.4)，窗口函數w(m，n)采用 其他參數值如T0，T1，T2等在實施過程中自動生成。圖像配準是圖像融合必須的一步，因此在系統(tǒng)的初始化階段，系統(tǒng)會根據仿射變換變換系數(1.025，0.0，0.0，1.050，3.2，2.4)逐像素計算出紅外圖像和微光圖像的映射關系。被映射的微光圖像像素點可能不在整數坐標上，需要利用相鄰的4個像素采用雙線性插值的方式來計算該像素灰度值。例如紅外圖像中坐標為(0，0)的像素對應微光圖像中坐標為(3.2，2.4)的像素，該坐標不是整數值，需要坐標分別為(3，2)、(3，3)、(4，2)和(4，3)進行插值，對應權重分別為0.48，0.32，0.12和0.08。系統(tǒng)將會把被映射的每個像素點相鄰的4個像素坐標和對應的權值存在系統(tǒng)的存儲器里，供配準時使用。由于配準過程中不需要每次執(zhí)行仿射變換運算，系統(tǒng)執(zhí)行速度明顯提高。
紅外視頻被采集轉換為圖像數據以后，分為兩路，一路進行目標提取，另一路進行金字塔分解。目標提取如具體實施方式
中步驟1-4，首先判斷是否有運動目標出現，然后判斷幀差圖像中的像素是屬于背景還是屬于目標，最后獲得紅外圖像序列中的運動目標。包含有運動目標的紅外圖像如圖6所示，提取的目標圖像如圖7所示。微光圖像以紅外圖像為基準，通過仿射變換進行配準處理。另一路紅外圖像和經過配準后的微光圖像同時進行金字塔分解，分解的紅外和微光圖像進行逐層融合，再行融合圖像重構。圖8為經過配準的微光圖像，圖9為融合圖像。融合圖像序列再與提取的目標圖像進行二次融合，最后獲得最終融合圖像，如圖10(灰度疊加)和11所示(色度映射)。具體步驟為 第一步，以紅外視頻為參考通道。紅外視頻圖像如圖6所示，紅外視頻進入系統(tǒng)后分為兩路，一路進行目標的提取，另一路進行金字塔分解。
(1)通過與理想圖像的比較，檢測紅外視場中是否有運動目標出現。本實例中圖像的大小均為256×256。
(2)判斷幀差圖像中像素屬于背景還是目標。
(3)準確提取出紅外序列圖像中的運動目標。
提取出紅外圖像中的運動目標，結果如圖7所示，同時可以獲得目標在X軸和Y軸的坐標信息為(81，228)。
(4)對另一路紅外原始圖像進行高斯金字塔分解。
第二步，微光圖像如圖8所示，融合系統(tǒng)以紅外視頻為基準，對微光圖像通過仿射變換進行配準處理。經過配準后的微光視頻也進行金字塔分解。融合系統(tǒng)再對紅外和微光圖像進行逐層融合，并進行融合圖像重構。
(1)將微光圖像仿射到紅外圖像坐標上，通過查表的方式，直接調用查找表中存儲的配準后微光圖像像素在待配準微光圖像中對應的相鄰四個像素的地址和相應權值，最后利用雙線性數字插值計算對應的微光像素點灰度值，所述微光像素的灰度值會隨著所觀察的場景變換而變化。
(2)對配準處理后的微光原始圖像進行高斯金字塔分解。在本實例中，窗口函數w(m，n)采用 (3)對微光原始圖像和第一步中紅外原始圖像這兩幅圖像各個對比度金字塔層分別進行融合處理，不同層可以采用不同的融合算子進行處理，最終得到融合圖像的對比度金字塔。
(4)由融合后的對比度金字塔重構圖像，融合后的對比度金字塔進行如圖9所示。
第三步，如果紅外視場中存在運動目標并且被提取出來后，將進行紅外目標與融合圖像二次融合 方法一，灰度疊加。根據公式F*(x，y)＝F(x，y)+α·T(x，y)，直接把目標圖像圖7和融合圖像圖9疊加在一起，使得融合圖像中目標圖像區(qū)域亮度得到增強，其他區(qū)域的亮度保持不變。本實例中α的默認值取0.2。得到的結果如圖10所示。
方法二，色度映射。把融合圖像圖9和目標圖像圖7映射到YCrCb色度空間，使得目標區(qū)域與其他圖像區(qū)域的顏色具有顯著差別。將目標區(qū)域置成紅色，其他圖像區(qū)域仍然保持灰度顯示，

得到結果如圖11所示。
可以看出，紅外圖像能夠穿過遮擋物，準確地探測到熱目標，而微光圖像能夠提供較豐富的細節(jié)信息，但是無法檢測到被遮擋目標。但是經過融合處理以后，圖像不僅準確反映出了目標信息，同時還較好地反映了細節(jié)。而經過二次融合后，在保證圖像細節(jié)分辨率不降低的前提下，目標信息得到了加強，目標指示性顯著。由于在進行目標提取的同時，還可以進行目標中心坐標的計算(例如圖7中提取的紅外目標的坐標為(81，228))，因此，最終的融合圖像序列還可以進行精確的目標定位。
權利要求
1、一種基于動態(tài)目標檢測的圖像融合方法，其特征在于，所述方法包括以下步驟
(1)利用紅外攝像頭采集圖像；
(2)將采集到的紅外圖像與理想圖像進行比較，檢測紅外視場中是否有運動目標出現；如果有運動目標則執(zhí)行步驟(3)，否則返回步驟(1)；
(3)對幀差圖像中像素進行判斷，可將運動目標中的運動方向前端的部分像素標記出來；
(4)通過種子像素的生長提取出紅外圖像序列中的運動目標，并且計算目標的坐標信息；
(5)對紅外攝像頭采集到的圖像進行高斯金字塔分解，并由高斯金字塔建立圖像的對比度金字塔；
(6)利用微光攝像頭采集圖像；
(7)以紅外圖像為基準，利用仿射變換的配準方法將微光圖像仿射到紅外圖像的坐標上，利用查找表的方式實現圖像的快速配準；
(8)對微光圖像進行高斯金字塔分解，并由高斯金字塔建立圖像的對比度金字塔；
(9)對紅外圖像建立的對比度金字塔層和微光圖像建立的對比度金字塔層分別進行融合處理，最終得到融合圖像的對比度金字塔，然后將該對比度金字塔進行圖像重構，得到融合圖像；
(10)采用灰度疊加或者色度映射的方法將步驟(4)提取出的運動目標圖像與融合圖像進行二次融合，最終得到具有紅外目標指示特性的融合圖像。
2、根據權利要求1所述的基于動態(tài)目標檢測的圖像融合方法，其特征在于，步驟(2)檢測紅外視場中是否有運動目標出現的步驟為
第一、對理想圖像
進行估計
式中0.99≤K＜1，(x，y)表示圖像中像素的坐標，In(x，y)表示第n幀圖像中坐標(x，y)處像素的灰度值，
表示第n-1幀中，坐標(x，y)處像素灰度值的理想估計值；
第二、對理想圖像的均方差σn2(x，y)進行估計
第三、將紅外圖像序列中當前幀圖像所有坐標像素點的灰度值與理想圖像的像素點的灰度值進行如下比較
取T0為N·σn(x，y)，N為整幅圖像的像素個數；如果∑|Dn(x，y)|＞T0成立，則認為圖像中存在了運動目標；否則認為圖像中不存在運動目標。
3、根據權利要求1所述的基于動態(tài)目標檢測的圖像融合方法，其特征在于，步驟(3)對幀差圖像中像素進行判斷是通過下述方式實現
首先，在紅外序列圖像中通過逐像素比較的方法求取前后兩幀圖像之間的差別；差分圖像的表達式為
ΔIn(x，y)＝In(x，y)-In-1(x，y)
其次，令T1＝2σn(x，y)，通過下式對目標像素進行標記
在d(x，y)中，數值為255的像素對應了運動目標前部區(qū)域，目標的后部區(qū)域和背景區(qū)域為0；
第三，對目標邊緣圖像d(x，y)進行形態(tài)學的腐蝕和膨脹運算，消除閃爍噪聲造成的亮點，排除誤標的目標像素點。
4、根據權利要求1所述的基于動態(tài)目標檢測的圖像融合方法，其特征在于，步驟(4)提取出紅外圖像序列中的運動目標，并且計算目標的坐標信息的步驟為
第一，選取d(x，y)中一個亮度為255的像素作為種子像素；
第二，設種子像素坐標為(x，y)，以該像素為中心，向相鄰的8個像素搜索，令
T1＝2σn(x，y)，
如果
則認為該像素為運動目標的一部分，
如果
則認為該像素也是運動目標的一部分，否則，認為該像素不是屬于運動目標；
第三，采用上述條件判斷d(x，y)是否為運動目標的像素，如果是的話將d(x，y)標記為1，不是的話標記為2；
第四，繼續(xù)向其鄰域的8個像素進行搜索；如果遇到某像素未被標記，則返回第三步，否則不進行任何操作；
第五，將標記過1、2的像素作以下處理，則可以提取出紅外圖像中的運動目標
第六，通過以下公式可以獲得目標在X軸和Y軸的坐標信息，
式中，Xs，Ys分別為紅外目標在X軸和Y軸的坐標，N為所有標記為1的像素點總個數，(xi，yi)是所有標記為1的像素點的坐標。
5、根據權利要求1所述的基于動態(tài)目標檢測的圖像融合方法，其特征在于，步驟(7)利用仿射變換的配準方法將微光圖像仿射到紅外圖像的坐標上，并利用查找表的方式實現圖像的快速配準的具體步驟為
第一、設紅外圖像像素點坐標(Ix，Iy)，微光圖像像素點坐標(Lx，Ly)，根據仿射變換公式把微光圖像仿射到紅外圖像坐標上，最終得到微光圖像每個像素點的新地址A＝(a21Ix+a22Iy+b2)Line+(a11Ix+a12Iy+b1)；
第二、建立查找表，在查找表中存儲配準后微光圖像像素在待配準微光圖像中對應的四個點的地址和相應權值，然后利用雙線性數字插值法計算對應的若干微光像素點灰度值。
6、根據權利要求5所述的基于動態(tài)目標檢測的圖像融合方法，其特征在于，第一步中的仿射變換公式為
其中
為旋轉矩陣，
為平移矩陣，參數a11，a12，a21，a22，tx，ty通過專門的多源圖像配準測試程序獲得；
第二步中的利用雙線性數字插值法公式為
L(x，y)＝{L([x]，[y])·(1-Δx)+L([x]+1，[y])·Δx}(1-Δy)+
{L([x]，[y]+1)·(1-Δx)+L([x]+1，[y]+1)·Δx}Δy
式中，[]為取整數；Δx，Δy，1-Δx，1-Δy分別為四個相鄰像素點的權值。
7、根據權利要求1所述的基于動態(tài)目標檢測的圖像融合方法，其特征在于，步驟(10)采用灰度疊加的方法將運動目標圖像與融合圖像進行二次融合的公式為
F*(x，y)＝F(x，y)+α·T(x，y)
式中F*(x，y)為二次融合圖像，T(x，y)為運動目標圖像，F(x，y)為融合圖像，α為二次融合系數，α＞0。
8、根據權利要求1所述的基于動態(tài)目標檢測的圖像融合方法，其特征在于，步驟(10)采用色度映射的方法將運動目標與融合圖像進行二次融合的公式為
式中T(x，y)為運動目標圖像，F(x，y)為融合圖像，FY*(x，y)為二次融合圖像的亮度分量，FCr*(x，y)為二次融合圖像的色差分量。
全文摘要
本發(fā)明公開了一種基于動態(tài)目標檢測的圖像融合方法，屬于圖像處理技術領域。該方法首先對紅外圖像序列中的運動目標進行檢測和提取，并以紅外圖像為參考，對微光圖像進行快速配準，接著對紅外和微光圖像進行融合，最后將提取到的紅外目標與融合圖像進行二次融合。實驗結果表明，本發(fā)明中所得到的融合圖像不僅具有普通融合方法信息豐富的特點，還具有鮮明的紅外目標指示特性。此外，本發(fā)明還可提供紅外目標的坐標信息，為精確定位目標提供了可能。它在夜視偵察、安防監(jiān)控等軍事和民事領域有著廣闊的應用前景。
文檔編號G06T7/20GK101673396SQ200910034678
公開日2010年3月17日 申請日期2009年9月7日 優(yōu)先權日2009年9月7日
發(fā)明者張俊舉, 常本康, 錢蕓生, 思 田, 韓亦勇, 袁軼慧, 唐善軍 申請人:南京理工大學