本發(fā)明涉及軍事目標(biāo)信息圖像融合處理，具體的，涉及基于二維離散波針對(duì)軍事偏振圖像的雙頻歧化解構(gòu)法。

背景技術(shù)：

1、隨著技術(shù)的進(jìn)步，紅外反射、熱輻射和散射等光波傳輸過(guò)程中的偏振效應(yīng)被深入分析和建模，并經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證。近年來(lái)：偏振成像技術(shù)得到了迅速發(fā)展，并廣泛應(yīng)用于多個(gè)領(lǐng)域。例如，在環(huán)境監(jiān)測(cè)中，偏振成像技術(shù)可以用于大氣污染物的檢測(cè)；在遙感領(lǐng)域，偏振成像技術(shù)可以提高地物識(shí)別的精度；在安全監(jiān)控中，偏振成像技術(shù)可以用于偽裝識(shí)別和去霧成像等。

2、圖像融合是數(shù)據(jù)融合中主要以圖像為研究對(duì)象的一個(gè)分支，其含義是將兩個(gè)或兩個(gè)以上的傳感器在同一時(shí)間或不同的時(shí)間獲取的關(guān)于某個(gè)具體場(chǎng)景的圖像或圖像序列信息加以綜合，以生成新的有關(guān)此場(chǎng)景解釋的信息處理過(guò)程。利用偏振相機(jī)或其它偏振成像設(shè)備捕獲圖像,對(duì)獲取到的偏振圖像進(jìn)行一定的處理并從中解算出預(yù)期目標(biāo)的類型和方位、速度等信息，充分利用這些精準(zhǔn)的信息對(duì)指揮輔助決策以及精確打擊目標(biāo)具有重要價(jià)值。

3、因此利用偏正圖像的信息豐富性、材料鑒別性、多領(lǐng)域適應(yīng)性、非接觸及無(wú)損檢測(cè)等優(yōu)勢(shì)，針對(duì)傳統(tǒng)成像方法易受戰(zhàn)場(chǎng)復(fù)雜環(huán)境影響，結(jié)合目前少有通過(guò)處理融合偏振圖像，來(lái)獲取軍事目標(biāo)更多信息的圖像融合處理方法的情況，我們提出了一種基于二維離散波針對(duì)軍事偏振圖像的雙頻歧化解構(gòu)法。通過(guò)對(duì)軍事目標(biāo)光強(qiáng)圖像和偏振圖像的處理融合，得到信息含量更高的融合圖像，從而幫助人們?cè)谲娛聜刹橹心塬@取軍事目標(biāo)更多的信息。

4、為了最大限度的保留目標(biāo)的信息特點(diǎn)即同時(shí)保留偏振度(dolp)圖像和偏振角(aop)圖像的圖像細(xì)節(jié)信息，我們對(duì)其采用toet圖像融合方法進(jìn)行融合。

5、如圖1所示，傳統(tǒng)的toet圖像融合方法(thresholded?overlapping?eigenvectortransform)作為一種基于低通金字塔(ratio?oflow-pass?pyramid,rp)的技術(shù)，它能夠?qū)⒍鄠€(gè)輸入圖像的信息融合為一幅高質(zhì)量的融合圖像。我們通過(guò)對(duì)傳統(tǒng)的toet圖像融合方法進(jìn)行適配性修改，使其能更好的滿足我們的需求。

6、原toet圖像融合方法原理為：先將輸入圖像轉(zhuǎn)換為灰度圖像，以便對(duì)每個(gè)像素點(diǎn)進(jìn)行處理。然后對(duì)灰度圖像進(jìn)行預(yù)處理，以減少噪聲的影響。接下來(lái)，計(jì)算圖像的梯度圖像，即計(jì)算每個(gè)像素點(diǎn)的梯度值，以此來(lái)提取圖像的邊緣信息。然后，對(duì)梯度圖像進(jìn)行閾值分割，得到二值圖像。最后，將二值圖像與原始圖像進(jìn)行融合，得到最終的融合圖像。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提出基于二維離散波針對(duì)軍事偏振圖像的雙頻歧化解構(gòu)法，解決了相關(guān)技術(shù)中傳統(tǒng)成像方法易受戰(zhàn)場(chǎng)復(fù)雜環(huán)境影響的問(wèn)題。

2、本發(fā)明的技術(shù)方案如下：基于二維離散波針對(duì)軍事偏振圖像的雙頻歧化解構(gòu)法，包括如下步驟：

3、步驟s1、圖像獲?。豪闷胀ㄏ鄼C(jī)獲取光強(qiáng)圖像，通過(guò)在普通相機(jī)上加裝偏振片來(lái)獲取偏振圖像，并旋轉(zhuǎn)偏振相機(jī)前面的偏振片來(lái)采集和水平方向形成0°、45°、90°以及135°四個(gè)夾角的方向上的偏振光強(qiáng)圖像；

4、步驟s2、初步處理：通過(guò)stokes矢量的公式

5、分別得到i、q、u三張分量圖像；

6、再根據(jù)線偏振度

7、和偏振角計(jì)算公式

8、對(duì)i、q、u三張分量圖像進(jìn)行處理融合，得到線偏振度(dolp)和偏振角(aop)圖像；

9、步驟s3、偏振度融合：為了同時(shí)保留線偏振度(dolp)和偏振角(aop)圖像上的信息特征，先利用公式計(jì)算得出dolp(x，y)和aop(x，y)，再按照修改后的toet圖像融合算法對(duì)dolp(x，y)和aop(x，y)進(jìn)行處理，得到偏振特征圖像dolp-aop；

10、步驟s4、分解預(yù)處理：為了能夠?qū)θ诤蠄D像進(jìn)行小波分解，先對(duì)得到的光強(qiáng)圖像和偏振特征圖像dolp-aop進(jìn)行配準(zhǔn)處理，使二者在頭像像素上達(dá)到匹配；

11、步驟s5、小波分解與重構(gòu)：先對(duì)光強(qiáng)圖像和偏振特征圖像dolp-aop進(jìn)行雙頻歧化解構(gòu)處理，后對(duì)光強(qiáng)圖像和偏振特征圖像dolp-aop分解得到的低頻分量和高頻分量采用特定的處理方式，得到最終的融合圖像。

12、優(yōu)選的，所述步驟s2中，stokes矢量的公式ia(a＝0°，45°，90°，135°)表示不同偏振方向?qū)?yīng)的偏振圖像a；

13、s0或i表示光的總光強(qiáng)，即所有偏振方向上的光強(qiáng)度之和，其反映了光束的整體亮度或能量；

14、s1或q表示在水平方向的線偏振光分量與垂直方向的線偏振光分量的光強(qiáng)差，其反映了光束在水平和垂直方向上的偏振程度差異；

15、s2或u示在45°方向上的線偏振光分量與-45°方向或135°上的線偏振光分量的光強(qiáng)差，其揭示了光束在對(duì)角線方向上的偏振特性；

16、s3或v表示右旋圓偏振光分量與左旋圓偏振光分量的光強(qiáng)差，其反映了光束中圓偏振的成分，即光束中的光子是向右旋轉(zhuǎn)還是向左旋轉(zhuǎn)。

17、優(yōu)選的，所述步驟s2中，線偏振度(dolp)表示線偏振光強(qiáng)度在總光強(qiáng)中所占的比例，偏振角(aop)表示線偏振光振動(dòng)方向的角度于水平方向之間的夾角。

18、優(yōu)選的，所述步驟s3中，a、b及c均為權(quán)重因子；

19、仿真實(shí)驗(yàn)中，當(dāng)a、b及c分別取值0.6、0.2及0.2時(shí)，仿真效果最好；

20、f(x，y)為dolp與aop融合得到的偏振特征圖像dolp-aop。

21、優(yōu)選的，所述步驟s5中，對(duì)光強(qiáng)圖像和偏振特征圖像dolp-aop進(jìn)行雙頻歧化解構(gòu)處理方法具體為：分別對(duì)光強(qiáng)圖像和偏振特征圖像dolp-aop進(jìn)行二維層面的離散小波分解。

22、優(yōu)選的，所述步驟s5中，對(duì)光強(qiáng)圖像和偏振特征圖像dolp-aop分解得到的低頻分量和高頻分量采用特定的處理方式具體為：對(duì)于低頻分量，為了保留頻率特點(diǎn)，反應(yīng)圖像本真特征，將分解得到的低頻小波系數(shù)采用加權(quán)平均法進(jìn)行處理，使信息的融合后所得信息的真實(shí)準(zhǔn)確；對(duì)于高頻分量，為了保留光強(qiáng)圖像和偏振特征圖像dolp-aop的圖像結(jié)構(gòu)屬性，采用改進(jìn)的基于sobel算子的融合方法進(jìn)行處理，減少圖像噪音，使融合后的圖像更平滑，最后將光強(qiáng)圖像和偏振特征圖像aolp-aop融合處理后的低頻分量和高頻分量進(jìn)行二維離散小波重構(gòu)，得到最終的融合圖像。

23、優(yōu)選的，所述sobel算子包含兩組3x3的矩陣，分別為橫向及縱向；

24、所述sobel算子的融合方法為：a)將sobel算子與圖像作平面卷積，計(jì)算方程式為：

25、

26、b)分別得出橫向及縱向的亮度差分近似值，以a代表原始圖像，gx及gy分別代表經(jīng)橫向及縱向邊緣檢測(cè)的圖像，其公式如下：

27、

28、c)圖像的每一個(gè)像素的橫向及縱向梯度近似值可用公式結(jié)合，來(lái)計(jì)算梯度的大??；

29、d)然后可用以下公式計(jì)算梯度方向，通過(guò)計(jì)算圖像在x方向和y方向上的梯度，并結(jié)合梯度的幅度和方向信息，來(lái)實(shí)現(xiàn)邊緣檢測(cè)。

30、優(yōu)選的，所述步驟s5中，小波分解與重構(gòu)的的具體方法是：在離散情況下，基于mallat算法利用多分辨率分析的概念得出離散小波變換的金字塔算法，讓原始輸入信號(hào)為c0，則該算法可以描述為：

31、優(yōu)選的，在小波分解與重構(gòu)的金字塔算法中，h和g是分解的低通和高通小波濾波器，為低頻分析信號(hào)，稱為高頻細(xì)節(jié)信號(hào)，j為變換級(jí)數(shù)，≤log2n，n是原始輸入信號(hào)的樣本數(shù)；

32、該算法可擴(kuò)展到具有可分離濾波器的二維圖像信號(hào)的情況，具體方法如下：先對(duì)圖像的每一行進(jìn)行變換，然后對(duì)每列進(jìn)行變換，得到代表原始圖像不同頻率和方向特征的四個(gè)子帶圖像，分別表示為ll、hl、lh、hh；

33、其中l(wèi)l是能量集中的低頻子帶，反映了灰度的變化；

34、hl是具有垂直邊緣信息的水平高頻和垂直低頻子帶；

35、lh是具有水平邊緣信息的水平低頻和垂直高頻子帶；

36、hh是具有對(duì)角線邊緣信息的水平低頻垂直高頻子帶；

37、ll子帶可以進(jìn)一步分解為4個(gè)子帶，以完成多級(jí)二維小波變換。

38、本發(fā)明的工作原理及有益效果為：

39、1、本發(fā)明通過(guò)對(duì)小波分解后得到的不同頻段的小波分解系數(shù)采取不同的處理方法，分解得到的小波系數(shù)采用加權(quán)平均法進(jìn)行處理，盡可能保留頻率特點(diǎn)，反應(yīng)圖像本真的結(jié)構(gòu)特征，保證了信息的融合后所得信息的真實(shí)準(zhǔn)確。

40、2、通過(guò)對(duì)高頻分量使用基于sobel算子的融合方法進(jìn)行處理，以此來(lái)減少圖像噪音，使融合后的圖像更平滑，保證融合圖像的清晰度。

41、3、本發(fā)明中直接觀察可知加權(quán)平均、絕對(duì)值取小、prewitt算子的融合方法使得最終的融合圖像亮度較低，尤其絕對(duì)值取小、prewitt算子的融合方法，極大影響人工對(duì)目標(biāo)的信息閱讀，本文方法得出的融合圖像觀賞性和可閱讀性相較于其他方法所得出的融合圖像有較大優(yōu)勢(shì)。

42、4、本發(fā)明中所用的方法得出的融合圖像其在信息熵和標(biāo)準(zhǔn)差的評(píng)價(jià)中最優(yōu)，同時(shí)在平均梯度上優(yōu)于加權(quán)平均法和絕對(duì)值取小法，通過(guò)本文算法得到的融合圖像對(duì)比度高，包含的信息量豐富，可以給出目標(biāo)更多的細(xì)節(jié)信息。