申请/专利权人：杭州电子科技大学;浙江大学

申请日：2021-05-17

公开（公告）日：2024-02-06

公开（公告）号：CN113362281B

主分类号：G06T7/00

分类号：G06T7/00;G06T5/50;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2024.02.06#授权;2021.09.24#实质审查的生效;2021.09.07#公开

摘要：本发明公开了一种基于WSN‑LatLRR的红外和可见光图像融合方法。本发明对可见光图像和红外图像进行预处理，通过多级加权schattenp‑范数潜在低秩表示，分别分解为一个低秩部分和多个显著部分，对分解后的低秩部分重构为基础图像并进行融合，得到融合后的基础图像，对每对显著部分分别融合后将同级显著部分重构为融合后的显著图像，最后，融合后的基础图像与融合后的多级显著图像相加，得到最终的融合图像。通过本发明融合得到的融合结果细节信息丰富，相比于原来的低照度图像，场景目标更加清晰，图像的对比度提升。

主权项：1.基于WSN-LatLRR的红外和可见光图像融合方法，其特征在于包括以下步骤：步骤1、对可见光图像I1和红外图像I2进行预处理：处理为低秩分解的数据矩阵PI1和PI2，所述的PIr，r＝1，2，表示将图像Ir均分为大小为n×n的M个子块，并把每个图像子块重排为一列数据；步骤2、可见光图像数据PI1通过k级加权schattenp-范数潜在低秩分解，得到k个显著图像和一个低秩图像红外图像数据PI2通过k级加权schattenp-范数潜在低秩分解，得到k个显著图像和一个低秩图像所述表示PIr第j级分解后得到的显著部分，其中r＝1，2；表示将中每列数据重排为n×n的矩阵后重构为整个显著图的操作；步骤3、选用基础图像融合策略，对低秩图像和融合，得到融合后的低秩图像步骤4、选用显著图像融合策略，对显著部分矩阵和融合，得到融合后的显著矩阵进一步重构得到融合后的显著图像其中，j＝1，…，k；步骤5、将步骤3和步骤4的结果相加得到最后的融合结果：

全文数据：

权利要求：

百度查询： 杭州电子科技大学;浙江大学 基于WSN-LatLRR的红外和可见光图像融合方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD