红外与可见光图像融合的汽车抗晕光视频图像处理方法

1.一种红外与可见光图像融合的汽车抗晕光视频图像处理方法，其特征在于，红外与可见光图像融合的汽车抗晕光视频图像处理方法包括有以下步骤:
步骤1车载红外热相仪和可见光摄像机采集到对应于同一时间空间的夜间道路红外图像和可见光图像；
步骤2以红外图像为参考图像，对两幅图像进行图像配准，得到在时间和空间上一致性更高的红外图像和可见光图像；
步骤3通过MSRCR图像增强算法对配准后的可见光图像进行增强处理，得到亮度更高、图像信息更丰富的可见光图像；
步骤4通过MSR图像增强算法对红外图像进行增强处理，得到对比度更高的红外图像；
步骤5对增强后的可见光图像进行YUV正变换提取出亮度信号分量Y和两个色度信号分量U和V；
步骤6把亮度信号分量Y和增强后的红外图像进行小波融合得到新的消除了晕光的亮度信号分量Y′；
步骤7对新的亮度信号分量Y′，色度信号分量U和V进行YUV反变换得到最终的融合图像，完成对夜间道路图像的抗晕光处理，输出消除了晕光、增强了暗处细节信息的彩色融合图像。
2.根据权利要求1所述的红外与可见光图像融合的汽车抗晕光视频图像处理方法，其特征在于，步骤3中所述通过MSRCR图像增强算法对配准后的可见光图像进行增强处理，包括有如下处理步骤：
3.1根据下式，确定高斯环绕函数计算出相应的高斯模板，选取各模板对应的尺度C；
F(x,y)＝μ·exp((-(x2+y2)2)/C2)&∫∫F(x,y)dxdy＝1
式中：F(x,y)表示所选用的高斯环绕函数模型；(x,y)表示像素点的坐标；μ表示对应通道的归一化常数；C表示F(x,y)的尺度常数，尺度C越大，图像的动态范围压缩越大，与之对应的图像细节越突出，尺度C越小，与之对应的图像整体效果越好，颜色越自然。
3.2根据下式，计算3种尺度下得到结果的加权平均，确定各尺度对应的权重系数W的值；

式中：RMSRi(x,y)是不带色彩恢复的增强输出；N表示增强算法所采用的尺度个数；Wn是与F(x,y)对应的权重系数；Ii(x,y)为第i个颜色通道的像素点坐标，i∈R，G，B。
3.3根据下式，计算彩色恢复因子：

式中：Ci(x,y)表示与此增强算法对应的彩色恢复因子，i表示颜色通道；β表示的是增益常数；α为受控制的非线性强度系数。
3.4将彩色恢复因子代入下式，得到增强后的可见光图像：

式中：RMSRCRi(x,y)是带颜色恢复的MSRCR增强算法的输出，用于对可见光图像的增强。
3.根据权利要求1所述的红外与可见光图像融合的汽车抗晕光视频图像处理方法，其特征在于，将步骤4中所述通过MSR图像增强算法对红外图像进行增强处理，包括有如下处理步骤：
4.1同样根据高斯环绕函数计算出相应的高斯模板，选取各模板对应的尺度数C；
F(x,y)＝μ·exp((-(x2+y2)2)/C2)&∫∫F(x,y)dxdy＝1
4.2根据下式，将红外图像类比成可见光图像的一个颜色通道，计算3种尺度下得到结果的加权平均，权重系数W的值，并根据各权值获得增强后的红外图像；

式中：RMSR(x,y)是不带色彩恢复的增强输出；N表示增强算法所采用的尺度数；Wn是与F(x,y)对应的权重系数；I(x,y)为像素点坐标。
4.根据权利要求2或3所述的红外与可见光图像融合的汽车抗晕光视频图像处理方法，其特征在于，图像增强的参数设置包括有：
尺度个数N＝3，表示选取3个尺度；各个尺度对应的尺度数C在[1，249]范围内小、中、大各取一个值，其中小值在[5，20]之间，中值在[100，130]之间，大值在[220，249]之间；与小、中、大尺度C对应的权重系数W分别为0.30、0.35、0.35；增益常数β取值在[45，55]之间；非线性强度系数α取值在[115，125]之间，增强算法中的各参数在以上范围内取值能够得到较好的增强效果。
5.根据权利要求4所述的红外与可见光图像融合的汽车抗晕光视频图像处理方法，其特征在于，增强算法中参数的优选取值为：
尺度个数N＝3；较小尺度值C1＝10；中间尺度值C2＝120；较大尺度值C2＝240；非线性强度系数α＝120；增益常数β＝50；较小尺度值C1对应的权重系数W1＝0.30；中间尺度值C2对应的权重系数W2＝0.35；较大尺度值C2对应的权重系数W1＝0.35。

暂无