基于纹理信息的可见光与近红外图像融合

多传感器融合广泛应用于自动驾驶车辆的环境感知系统。它解决了环境变化引起的干扰，使整个驾驶系统更安全可靠。本文提出一种基于纹理信息的新型可见光与近红外融合方法，以增强非结构化环境图像。该方法针对传统可见光与近红外图像融合方法中的伪影、信息丢失和噪声问题。首先，通过相对全变分（RTV）计算获得纹理去除后的可见光图像（RGB）与近红外图像（NIR）的结构信息，作为融合图像的基础层；其次，建立贝叶斯分类模型计算噪声权重与噪声信息，并利用联合双边滤波器对可见光图像中的噪声信息进行自适应滤波；最后，通过色彩空间转换获得融合图像。实验结果表明，所提算法能够保留可见光与近红外图像的光谱特性与独有信息，无伪影和色彩失真，并具有良好的鲁棒性以及保留独有纹理。