【图像融合】基于视觉显著性图和加权最小二乘优化的红外与可见光图像融合附Matlab代码

本文链接：https://blog.youkuaiyun.com/Matlab_dashi/article/details/148595743

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

在计算机视觉与图像处理领域，红外与可见光图像融合技术是获取更全面场景信息的重要手段。红外图像能捕捉热辐射信息，突出目标轮廓；可见光图像则拥有丰富的纹理与色彩细节。基于视觉显著性图和加权最小二乘优化的融合方法，可有效结合两者优势。我将从理论原理、实现流程、实验验证等方面展开，深入探究该融合技术。

一、视觉显著性图与加权最小二乘优化原理

1.1 视觉显著性图原理

视觉显著性图是模拟人类视觉系统对图像中重要区域的感知，突出图像中吸引人类注意力的部分。其构建通常基于图像的多种特征，如颜色、亮度、方向等。常见的方法有基于对比度的计算，通过计算图像局部区域与周围区域在颜色、亮度等特征上的差异，差异越大的区域在显著性图中的值越高；还有基于频域分析的方法，从频域角度提取图像的显著信息。在红外与可见光图像融合中，视觉显著性图可帮助确定两幅图像中各自的重要区域，为后续融合策略提供依据。

1.2 加权最小二乘优化原理

加权最小二乘优化是一种数学优化方法，用于求解目标函数在约束条件下的最优解。在图像融合中，它通过最小化融合图像与原始图像之间的误差，同时考虑不同图像在不同区域的重要性权重，来得到高质量的融合图像。其核心思想是为每个像素点赋予一个权重，权重大小反映该像素点在图像中的重要程度，然后通过求解加权最小二乘问题，使融合图像在保留原始图像重要信息的同时，尽可能平滑和自然。

二、基于视觉显著性图和加权最小二乘优化的图像融合方法

2.1 图像预处理

对红外图像和可见光图像进行预处理，包括灰度化（若图像为彩色）、去噪等操作。灰度化处理可将彩色图像转换为灰度图像，便于后续计算；去噪操作则能去除图像中的噪声干扰，提高图像质量，为后续的融合步骤奠定基础。

2.2 视觉显著性图生成

分别对红外图像和可见光图像生成视觉显著性图。以基于对比度的方法为例，将图像划分为多个局部区域，计算每个区域与周围区域在亮度、颜色等特征上的对比度。对于红外图像，重点关注温度差异带来的对比度；对于可见光图像，考虑颜色和纹理的对比度。通过计算得到每个像素点的显著性值，进而生成视觉显著性图。

2.3 权重图计算

根据生成的视觉显著性图计算权重图。在权重图中，红外图像和可见光图像的权重由其显著性图决定。对于红外图像中显著性值高的区域，赋予较高的权重，表示该区域在融合时应更多地保留红外图像的信息；同理，可见光图像中显著性值高的区域，在权重图中也有相应较高的权重。具体计算时，可采用归一化的方式，使权重图中每个像素点的权重值在 [0, 1] 范围内，且同一位置处红外图像和可见光图像的权重之和为 1 。

2.4 加权最小二乘优化融合

利用加权最小二乘优化方法进行图像融合。构建融合目标函数，该函数以融合图像与原始图像的加权误差最小化为目标。通过求解该目标函数，得到融合图像的像素值。在求解过程中，考虑图像的平滑约束，使融合图像在保留重要信息的同时，避免出现过度的纹理突变和噪声放大，从而生成高质量的融合图像。