红外和可见光图像泊松融合算法

针对已有红外和可见光图像融合算法存在的复杂度高、实时性差、输入参量多和融合模型受先验知识影响等问题,提出了红外和可见光图像泊松融合算法.算法采用绝对值最大规则融合源图像的梯度得到泊松融合图像的期望梯度,将平均融合图像分解,分别作为迭代的初始值和边界条件,利用雅可比迭代求解泊松方程重建泊松融合图像.通过实验分别确定了最佳迭代次数以满足高质量和高实时性两种融合需求.与经典融合算法相比,该算法在质量优先或速度优先的图像融合应用方面性能更优.     

基于CbCr查找表的双波段图像彩色融合算法

低照度可见光与红外图像的自然感彩色融合能够显著提高人眼视觉在低照度环境下的情景感知和目标探测能力。基于样本的融合算法是一种快速有效、实时性强的自然感彩色融合算法。针对已有算法在查找表构建和灰度信息利用方面存在的问题,提出一种基于CbCr查找表的双波段图像彩色融合算法。算法采用反向传播神经网络对图像样本的二维亮度向量(Y1,Y2)和二维色度向量(Cb,Cr)进行非线性拟合,从而获得亮度与色度间的映射关系f(Y1,Y2)→(Cb,Cr),并由此构建CbCr查找表。融合时,由输入的双波段灰度图像的亮度Y1,Y2和CbCr查找表获得彩色融合图像的色度Cb,Cr;由亮度Y1,Y2经双层拉普拉斯金字塔融合获得彩色融合图像的亮度YF;为了减小因环境变化导致的色彩映射偏差,对亮度Y1,Y2进行灰度校正。实验结果表明,本文融合图像具有颜色自然、细节丰富、利于(热)目标检测的特点,在清晰度、彩色性、映射准确性方面已经达到甚至优于Toet算法的图像融合效果。