基于结构与分解的红外光强与偏振图像融合

在一些特定环境下,红外传感器无法探测到目标时,需要将偏振技术与红外技术相融合。为了获得更清楚的融合图像,采用一种基于多尺度结构分解的图像融合方法实现红外光强与偏振图像融合。该算法提出将红外图像与偏振图分解成3个独立部分：平均强度、信号强度和信号结构。其中平均强度部分,采用一种反正切的权重函数进行融合,信号强度采用最大值的融合原则,而信号结构采用一种基于信号强度幂函数的加权平均方进行融合,最后重构得到融合图像。为了更快进行融合、降低计算的复杂度,将分解过程通过均值滤波代替,再通过上采样与下采样得到最终的融合图像。为了得到更好的融合图像,通过不同融合参数实验对比,选择较优的融合参数。最后实验表明使用所提出的反正切权重函数与融合参数设置,在与传统的多尺度算法的比较中,4项评价指标取得优势,且主观上保留更多的纹理细节、提升对比度以及抑制伪影。     

基于拉普拉斯金字塔的红外光强与偏振图像融合

利用红外偏振信息(偏振度、偏振角)对目标进行成像,可以更好地抑制图像的背景噪声,提高信噪比。而且偏振信息相对于光强信息一般会蕴含更丰富的目标边缘轮廓信息。因此,提出一种将红外辐射光强图像和偏振度图像进行融合的算法。此方法首先对参与融合的每幅图像分别进行拉普拉斯金字塔分解,获得每层的分解图像;然后对分解后的每层图像采用不同的融合方法进行图像融合,获得每层融合图像,并对每层融合后的图像进行图像重构,得到最后的融合结果。多幅图像融合后的效果表明该方法能够增加图像的信息量,有利于场景感知和目标识别。     

红外偏振与红外光强图像的伪彩色融合研究

针对RGB和lαβ间转换过程复杂,运算速度慢,不便于用灰度融合图像直接代替亮度分量的问题,提出了一种基于YCαCβ空间的伪彩色融合方法.该方法首先对源图像进行基于特征差异的颜色映射,所得RGB图像通过YCαCβ变换提取亮度分量Y;然后采用新的融合规则对红偏振与光强图像进行了支持度融合,其中低频和高频分别采用目标背景分割和区域方差最大的融合规则;最后用融合结果代替亮度分量,再与Cα,Cβ分量进行YCaCβ逆变换,得到伪彩色图像.实验结果表明,与文献[8]方法比较局部方差提高21.5％、对比度提高1.15％、清晰度提高6.05％、运算速度提高30.5％,证明了本文算法的可行性和有效性.     

基于多层级图像分解的图像融合算法

不同类型的探测器在成像机理上有不同的侧重点,使得成像图像表征的信息也有所不同,导致单幅图像不能完整地反映场景的有效信息。因此,提取多源图像的互补信息,并去除其中的冗余信息,合成一幅能准确、完整表达场景的复合图像的技术成为了图像处理领域中一项非常重要的技术,图像融合正是这类问题的一种有效解决方法。针对传统多尺度分解的图像融合方法易产生噪声和信息缺失的现象,文中提出了一种基于多层级图像分解的红外与可见光图像融合算法。首先,利用加权平均曲率滤波的边缘保持特性与高斯滤波的平滑特性,构建了多层级图像分解模型。在利用该模型将源图像分解为小尺度层、大尺度层和基层等3个不同层级。然后,针对基层,采用能量属性融合策略进行融合;针对大尺度层,采用复合融合策略进行融合;针对小尺度层,采用最大值融合策略。最后,将融合后的层级进行加和,以重构出最终的融合图像。实验结果表明:文中提出的基于多层级图像分解的图像融合算法能够有效降低噪声产生的概率,同时减少了融合后的信息缺失。     

红外光强与偏振图像多类拟态变元组合融合

现有红外光强与偏振图像融合算法不能根据图像差异特征变化动态调整融合算法,造成图像部分差异特征融合效果不理想甚至失效。根据拟态仿生学思想,借鉴拟态章鱼的多拟态过程,提出一种红外光强与偏振图像多类拟态变元组合融合方法。首先,分析拟态章鱼的多拟态过程,剖析其多拟态原因;其次,寻找多拟态过程与图像融合过程之间的对应关系,并确定图像融合过程的多类变元类型;最后,建立面向图像融合的多类变元组合关系并利用该关系进行图像融合。实验结果表明:所得融合图像的信息熵、标准差、边缘强度、平均梯度、清晰度方面平均提升1.16%、7.25%、3.00%、0.31%、10.18%。该方法的建立可以使融合算法内变元组内变元选择和组合根据原始图像差异特征变化而进行动态调整,从而得到具有针对性的融合算法。     

基于卷积神经网络的红外图像融合算法

红外图像与可见光图像融合的目的是为人类观察或其他计算机视觉任务生成信息更加丰富的图像。本文针对深度学习近年来在计算机视觉领域取得的巨大成功,提出一种基于卷积神经网络的红外与可见光图像融合算法。首先,使用引导滤波和高斯滤波器组成的尺度感知边缘保护滤波器对输入的源图像进行多尺度分解,基础层利用像素强度分布的加权平均融合规则进行融合,细节层借助卷积神经网络对空间细节进行提取融合。实验结果表明,本文算法可以较好的将特定尺度信息进行保存,并减小滤波对边缘细节带来的光晕影响,融合后图像噪声较少,细节呈现的更加自然,并且适合人类视觉感知。     

基于NSST变换的微光偏振图像融合算法

为进一步提高对微光偏振图像中目标的识别效率,提出了一种基于非下采样剪切波变换(NSST)的偏振图像融合算法。首先,通过融合得到偏振特征图像,将所含偏振信息量较多的偏振度图像和偏振角融合,通过基于区域方差与熵值加权相结合的融合算法得到偏振特征图像。最后,将偏振特征图像与亮度较强的强度图像融合,低频系数的融合采用PCNN与区域能量相结合的规则,高频系数的融合采用区域特性能量的规则。实验结果表明,在主观视觉上,图像观察舒适性较好;并且,通过选取方法的对比,融合后的图像在客观评价指标上,皆优于选取的方法。     

基于热辐射信息保留的图像融合算法

针对现有的红外与可见光图像融合算法无法很好地保留红外图像热辐射信息这一问题,提出了一种基于热辐射信息保留的图像融合算法.通过NSCT(non-subsampled contourlet transform)变换对红外与可见光图像进行多尺度分解,得到各自的高频子带和低频子带,可见光低频子带部分经拉普拉斯算子提取特征后与红...     

基于小波-Contourlet变换的偏振图像融合算法

针对传统图像的信息保留不充分,以及偏振图像妨碍视觉观察、纹理细节不理想等问题,提出了一种基于小波-Contourlet变换(WBCT)的偏振图像融合算法.首先,将预处理过的4幅偏振角度图像,通过Stokes方法得到偏振强度图像和偏振度图像;后采用WBCT变换分解,低频系数采用PCA变换方法进行融合,高频系数通过区域特性能量的融合规则进行融合,最终的偏振融合图像由WBCT逆变换高低系数获得.实验结果表明,在主观视觉上,图像观察舒适性较好;并且,通过选取方法的对比,融合后的图像在客观评价指标上,皆优于选取的方法.     

基于稀疏性非负矩阵分解的偏振图像快速融合方法

针对基于非负矩阵分解(non-negative matrix factorization, NMF)的偏振图像融合方法效率低的不足,提出一种基于稀疏性NMF的偏振图像快速融合方法。首先,以偏振信息解析得到的各偏振参量图像构造原始数据集,其次,对NMF增加稀疏性约束,利用稀疏表示下的在线字典学习算法进行快速分解,然后对分解得到的三幅特征基图像按清晰度和方差进行排序,将排序后的特征基图像经直方图匹配及HSI颜色映射后,变换到RGB颜色空间,得到融合图像。与基于NMF的方法相比,运行时间提高约120倍,达到约1.5 s完成一次融合过程。实验结果验证了该方法在改善融合效果的同时,运行效率明显提高。     

基于小波变换的红外偏振图像融合算法

为了改善红外图像质量、提高人造目标的可识别率,基于偏振度图像能够较好地凸显人造目标,偏振角较好地描述不同物体表面取向,I图像能反映场景的强度信息的特征,采用对红外图像进行偏振图像融合的算法,即先通过红外热像仪和偏振片拍摄到偏振角度为0°,60°和120°3幅红外图像,再通过计算得到I,Q,U图像,进而得到偏振度图像和偏振角图像,最后对I图像、偏振度和偏振角图像进行红外偏振图像融合,得到高质量的红外偏振图像,由理论分析得到了各个图像的性能指标数据。结果表明,基于小波变换的红外偏振图像融合算法得到的图像数据合理,达到了改善红外图像质量和提高图像中的人造目标的可识别率的目的。     

基于期望值最大算法的图像融合

文中提出了一种基于期望值最大的图像融合方法。该方法首先假设图像对场景的成 像模型。以期望值作为目标函数,通过使目标函数最大的方法确定该模型的参数,估计出真实场景,进而得到理想的融合图像。试验表明,该方法比传统的基于加权平均和选择的方法具有更好的融合效果。     

基于多尺度边缘表示的偏振图像二次融合算法

针对传统成像技术探测信息量少以及传统图像融合方法计算量大,不能凸显边缘轮廓的问题,提出一种基于多尺度边缘表示的偏振图像二次融合方法。首先,对同时偏振成像系统获取的4个偏振角度图像进行多尺度边缘去噪、配准预处理。然后一次融合,即将预处理后的4个偏振角度图像进行二进小波分解,在不同尺度上对低频、高频系数进行特定组合,计算得到Stokes向量［I Q U V］T,线偏振度(DOLP)和偏振相位角(AOP)等偏振信息;二次融合,即是根据边缘相关性原则融合偏振强度图像和线偏振度图像经小波分解后的高频系数,低频用区域能量的方法。最后,采用交替投影迭代法重构融合图像的低频、高频系数,得到重构图像。实验结果表明,本文算法的融合性能优于传统方法。以小波变换法为参考,平均值提高65.48%,标准差提高95.98%,平均梯度是传统小波的6.45倍,边缘强度是小波变换的5.54倍。本算法提高了运算速度,结合了强度图像亮度信息和线偏振度图像反映不同物体性质的特点,突出了目标轮廓细节,能很好地识别隐藏、伪装的目标。     

基于Contourlet变换的偏振图像融合

提出一种基于Contourlet变换的偏振图像融合算法。Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用Contourlet变换对三个555波段不同方向的偏振图像进行分解,对于高频和低频系数分别采用不同的窗函数计算区域能量,最后加权实现偏振图像的融合处理。实验结果表明,该算法与小波分解法相比在保留原始图像边缘和纹理信息同时,可以体现偏振图像的特点,取得较好的融合视觉效果。     

基于梯度塔形分解的多传感器图像融合

给出了基于梯度塔形分解的像素级图像融合新方法,基本思想是,先对原图像进行梯度塔形分解;其次,按照融合规则,采用基于区域特性的加权算子去构造融合图像对应的梯度金字塔;最后,通过逆梯度塔形变换重构融合图像,该方法被成功地用于图像的融合处理,实验结果表明,该融合方法十分有效,获得的融合图像更符合人的视觉特性,更有利于机器视觉。     

一种偏振红外图像的像素级融合算法

偏振红外成像是红外成像技术的一个发展方向.偏振红外成像是利用红外光线的偏振态进行的"偏振梯度"成像和"偏振滤波"成像.从理论上说,即使两物点之间没有温差,只要存在着一定的偏振梯度,也能够清晰地成像,即偏振成像不但有普通红外成像的特点,还具有矢量成像的优势.换句话说,偏振红外成像和传统红外成像是兼容的.笔者的研究工作集中于同一景物的不同偏振态红外图像的融合.根据图像融合的一般原则,针对偏振红外图像的特性,提出了在像素层的一种融合算法.经过仿真表明该方式有一定的效果.通过融合增强了红外图像的图像效果.     

基于HSV空间的红外偏振图像改进融合算法

研究了偏振产生的原理和基于标准HSV颜色空间的偏振融合,并根据红外偏振图像对比度较强、强度较弱的特点改进了HSV融合算法,利用原始偏振图像的灰度均值和极值进行图像强度修正,计算融合权重,进行偏振图像融合,增强红外偏振融合图像的强度和对比度。对室内以及室外人造目标进行实验验证,改进的HSV融合算法较红外原图灰度均值最高提升216%,对比度最高提升1384%;较标准HSV融合图像的灰度均值最高提升1363%,对比度最高提升292%。为使用红外偏振融合图像进行目标识别打下了很好的基础。     

基于灰度变换与两尺度分解的夜视图像融合

为了获得更适合人感知的夜视融合图像,该文提出一种基于灰度变换与两尺度分解的夜视图像融合算法。首先,利用红外像素值作为指数因子对可见光图像进行灰度转换,在达到可见光图像增强的同时还使可见光与红外图像融合任务转换为同类图像融合。其次,通过均值滤波对增强结果与原始可见光图像进行两尺度分解。再次,运用基于视觉权重图的方法融合细节层。最后,综合这些结果重构出融合图像。由于该文方法在可见光波段显示结果,因此融合图像更适合视觉感知。实验结果表明,所提方法在视觉质量和客观评价方面优于其它5种对比方法,融合时间小于0.2 s,满足实时性要求。融合后图像背景细节信息清晰,热目标突出,同时降低处理时间。

     

基于邻域统计信息的红外与可见光图像融合

针对红外图像与可见光图像的融合问题,提出了一种基于邻域统计信息的图像融合新算法。首先对图像进行多尺度分解,得到一系列子带系数,然后针对各子带系数的物理特性,提出了高低频规则不同的图像融合算法。对于图像低频部分,首先定义基于邻域统计信息的目标和场景特征参数,然后设计了加权系数自适应变化的加权平均融合策略;对于图像高频部分,首先定义邻域系数分布特征参数,然后设计了受邻域统计信息调制的系数比较取大融合策略。实验结果表明该算法能够很好地将红外图像与可见光图像进行融合,且融合效果优于其他一些算法。