基于NSST与DBM的可见光与红外图像融合方法

针对红外图像与可见光融合时特征信息无法充分提取的问题,提出了一种基于NSST与DBM的可见光与红外图像融合方法。该方法利用深度玻尔兹曼机（DBM）进行最优能量分割得到显著红外目标,并采用非下采样剪切波变换（NSST）将红外目标区域与背景区域融合的映射图进行稀疏分解和融合。仿真实验结果表明,与现有的几种经典方法相比,基于本文方法的结果图像拥有更好的视觉效果和更理想的客观结果。     

基于视觉特性的红外与可见光图像融合

给出一种基于人类视觉特性的红外可见光图像融合算法,以增强融合图像的场景信息和目标指示特性。采用无下采样Contourlet变换对两幅源图像进行多尺度分解;在低频分量部分,调整可见光图像的全局亮度,以基于局部能量的方法提取并增强红外目标,以局部方差取大方法获得景物轮廓,余则采用可见光图像像素值;在高频分量部分,采用脉冲耦合神经网络选取高频分量;通过无下采样Contourlet变换的逆变换得到融合图像。改进算法可保留可见光图像的清晰度,红外目标突出,景物比在单一可见光图像中更易辨别。     

一种有雾图像低对比度增强的方法

为了提高有雾图像的能见度,提出一种雾天降质图像清晰化方法。该方法根据图像的灰度分布特 性,将高灰度区域的像素映射到模糊域处理以便得到天空区域的灰度值分布范围,将天空区域和景物部分区分开, 以便增强景物细节信息和避免天空噪声的影响。利用移动模板对各局部区域进行子块重叠双直方图均衡化实现清 晰化处理,从而克服直方图均衡化时模板内景物不同深度退化差异的情况。实验结果表明,该方法能有效地改善雾 天时图像的退化现象和提高图像的清晰度。     

基于无监督深度学习的红外图像与可见光图像融合算法

红外和可见光图像表征了互补的场景信息. 现有的基于深度学习的融合方法大多通过独立提取网络分别提取两个源图像特征,从而丢失了源图像之间的深度特征联系. 基于此,提出了一种新的基于无监督深度学习的红外图像与可见光图像融合算法,针对不同模态的特点采用不同的编码方式提取图像特征,利用一个模态的信息补充另一个模态的信息,并对提取到的特征进行融合,最后根据融合特征重建融合图像. 该算法可在两个模态的特征提取路径之间建立交互,不仅可预融合梯度信息和强度信息,且能增强后续处理的信息. 同时设计了损失函数,引导模型保留可见光的细节纹理,并保持红外的强度分布. 将所提算法与多种融合算法在公开数据集上进行对比实验,结果表明,所提算法获得了良好的视觉效果,客观指标评价方面对比现有的优秀算法也有一定的提升.     

基于区域分割与提升小波变换的图像融合算法

针对精确制导武器系统中,利用传统方法获取的融合图像使得红外目标模糊、识别率低、定位性差及不能继承可见光图像色彩特性而出现光谱扭曲与失真的现象,提出了一种基于区域分割和提升小波变换的红外与可见光图像融合方法。首先结合区域生长与边缘提取图像分割法,将红外图像背景区域与目标区域分开;其次采用像素邻域能量取大法,将红外目标区域映射到可见光背景中;最后将上步得到的融合图像与原图像进行低频加权,高频平均梯度的提升小波融合变换,防止因图像分割所形成的拼接错误而导致重要信息丢失现象。实验结果表明:融合后的图像,目标凸显,背景自然,能够达到准确定位与快速识别的目的,并对隐藏目标的检测有着重要的指导意义。     

前视末制导地面目标红外场景生成算法研究

提出了一种基于遥感信息的前视末制导地面目标红外场景生成方法。首先,利用遥感信息生成目标区域可见光三维场景,作为场景仿真的基础模型;然后,通过建立目标及背景的温度模型、红外温度-辐射模型,计算出目标及背景的红外辐射值,针对仿真目标区域的特点进行建模仿真。最后,采用了一种基于可见光纹理的背景真实感合成方法,增强场景的仿真效果。通过对比实测温度和红外实时图以及灰度相关匹配实验,结果表明,本文方法真实地反映了目标区红外辐射变化规律,具有较好的逼真程度。 更多还原     

SAR图像纹理特征提取与分类研究

为了高精度地提取合成孔径雷达(SAR)图像中的有用信息,提出一种基于灰度共生矩阵的纹理特征辅助SAR图像分类方法,该方法选择的是在合适的窗口尺寸下能将各种地物类型区分开的最佳纹理特征组合.采用增强的Frost滤波法对SAR图像进行斑点噪声抑制,通过比较各典型地物基于灰度共生矩阵的纹理特征统计量,确定参与分类的最佳纹理特征组合、计算灰度共生矩阵的最佳窗口尺寸;采用主成分分析法去除各纹理特征之间的相关性,选择信息量大的2个主成分与图像的灰度共同组成3个波段的图像;最后采用最大似然分类法对该组合图像进行分类.结果表明:该方法提取出的纹理特征辅助SAR图像分类,比无纹理信息参与的SAR图像分类,其精度可提高11.20%.     

一种红外可见光图像融合及其目标识别方法

为结合红外图像和可见光图像对目标检测识别的优点,提出了一种红外可见光图像融合及其目标识别方法.该方法根据数学形态学算法获得局部感兴趣区域,减少图像特征点生成范围,提高效率;通过使用基于多模态图像尺度与部分灰度不变图像特征算法建立合适的特征点定位和描述;最终根据局部不变性匹配原则,实现图像误匹配消除,得到配准关系.实验结果表明,本文方法能实现融合图像多目标的检测识别,其精度好,有一定的应用前景.     

热消融组织B超图像纹理特征参数温度相关性

针对微波消融技术应用中的无创监测组织温度难题,通过B超原始射频信号重建B超图像,排除B超仪器的相关性,探讨了利用B超图像纹理特征实现热疗温度监测的可行性.通过水浴加热猪肝实验,采集不同温度下的猪肝B超射频信号,在此基础上重建B超图像并分析图像纹理特征参数(灰度直方图、灰度共生矩阵与灰度梯度共生矩阵)与温度的相关性.实验结果表明:组织B超图像纹理参数随着温度变化而变化,在20～60℃范围内灰度直方图中的灰度均值,灰度共生矩阵中的熵以及灰度梯度共生矩阵中的混合熵、逆差距、相关等5个参数与组织温度间具有较高的线性相关性,利用这5个参数可实现肿瘤微波消融治疗中组织温度的无创检测.     

基于底层图像特征组合的文本图像分类研究

针对文本图像特有的图像特征．提出了一种基于底层图像特征组合的文本图像分类方法,该方法使用了两层C4．5决策树分类器,能将文本图像有效地分为标题文本图像、文档图像和场景文本图像．首先将样本图像转换为灰度图像,提取灰度直方图的特征,根据灰度直方图特征的不同。可以先区分文档图像：然后把余下的图像转换为二值图像,提取图像的GLCM纹理特征,根据GLCM特征区分场景文本I和标题文本图像．在开源的WEKA数据挖掘软件环境下进行仿真实验,结果表明该方法是可行的。并能够得到较高的查全率和查准率．     

复杂矿石图像的特征提取与聚类

为使特征提取更适合复杂矿石图像识别,提出并实现一种结合RGB颜色特征及其纹理特征映射的图像内容识别新方法,并将聚类方法应用于图像识别系统中。首先将图像分块,基于不同的颜色空间提取子块的纹理特征,并应用主成份分析进行纹理特征映射。然后提取图像的RGB颜色特征,每个子块的特征向量由上述2种特征组成。最后基于每个子块的特征向量应用Kmeans聚类方法对图像内容进行识别。实验结果表明,该方法能有效结合图像的纹理信息及其颜色构成和分布信息,具有较好的复杂矿石图像理解与识别的效果。     

使用Vega传感器模块进行红外图像仿真

针对红外图像获取耗时长,费用高的特点,提出利用Vega传感器模块建立红外成像仿真的方法.该方法首先使用Creator软件建立带纹理的三维模型,然后使用TMM和MOSART工具分别对红外纹理和大气环境进行建模,最后使用Vega传感器模块进行红外图像仿真.实验结果显示建模效果较好,成本低,易于工程实践.     

基于多特征融合和混合核SVM的目标识别方法

针对可见光和红外传感器具有不同感知特性的问题,提出了一种基于多传感器特征信息融合和混合核SVM的图像目标识别方法,方法包含多特征提取、主成分分析和混合核SVM分类三个部分.在特征提取中利用可见光和红外图像的互补性,分别提取同一场景可见光与红外图像的灰度共生矩阵以及灰度直方图统计特征,得到一组目标融合的特征量,进一步进行目标分类与识别;利用主成分分析法降低特征的维度,减少计算量;利用混合核SVM方法对目标特征进行分类识别.结果表明,在室内环境中对不同人群密度等级进行分类时,所提出方法的精度可达88.21%.     

Sub-Regional Infrared-Visible Image Fusion Using Multi-Scale Transformation

Infrared-visible image fusion plays an important role in multi-source data fusion, which has the advantage of integrating useful information from multi-source sensors. However, there are still challenges in target enhancement and visual improvement. To deal with these problems, a sub-regional infrared-visible image fusion method (SRF) is proposed. First, morphology and threshold segmentation is applied to extract targets interested in infrared images. Second, the infrared background is reconstructed based on extracted targets and the visible image. Finally, target and background regions are fused using a multi-scale transform. Experimental results are obtained using public data for comparison and evaluation, which demonstrate that the proposed SRF has potential benefits over other methods.     

一种基于区域分割的红外可见光图像融合方法

提出了一种基于提升小波和区域分割的红外可见光图像融合方法。先对红外图像和可见光图像进行提升小波分解,得到各自的高频和低频子图像,利用红外图像的热效应特征显著的特点对红外图像的低频子图像进行检测分割,用分割得到的二值图像来指导低频子图像的融合决策,对于高频子图像,采用区域方差匹配度决策法,最后对融合后的小波系数进行重构得到融合图像。实验结果表明,这种算法能够合理有效地保留红外图像的热目标信息以及可见光图像中丰富的光谱信息,提高了图像的可理解性,客观评价准则与目视效果吻合良好。     

基于成分金字塔匹配的对象分类方法

提出基于成分金字塔匹配(component pyramid matching, CPM)的图像表示方法,将图像块按照颜色进行分层,在每一层中通过优化的方式选取几种颜色的图像块作为当前层次图像的前景成分,其余颜色的图形块作为图像的背景成分。前景成分对应对象的某些区域,能够为图像表示提供弱语义信息。然后,利用相似的颜色选择方法,对每一层背景成分进行再次划分,将其分为下一层前景成分和背景成分两部分。最后将这些成分所表示的直方图连接起来作为图像表示用于分类。试验采用Soccer、Flower17和Flower102 3个图像集进行测评,试验结果表明提出的算法能够得到比较好的分类结果。     

红外监控系统中图像增强技术的应用

提出了分形布朗运动的方法增强红外监控图像,利用分形布朗运动模型分析红外图像每个像素并计算出分形维数,根据分形维数和人眼对像素的敏感程度对监控图像进行增强.通过红外监控系统的软硬件试验,人眼视觉特性被引入到监控系统中,图像突出增强了景物的轮廓,使得监控画面能够取得较好的观察效果,该方法能够解决红外监控系统图像边缘模糊可视性差的问题.     

Study of Polarization Image Color Fusion Method Based on Color Transfer

Based on the characteristics that human eyes are sensitive to brightness and color, the lightness information of visible image and degree of linear polarization and polarization angle were fused in hue-saturation-value(HSV) space. To meet the observation of human eyes, hue adjustment based on color transfer was carried out to the fused image and hue was adjusted by polynomial fitting method. Hue adjustment method was improved considering the complicated real mapping relationship between hue gray scale of fused image and reference template image. The result shows that the color fusion method presented in this paper is superior to the traditional pseudo-color method and it is helpful to recognize the target from the environment correctly. The fusion result can reflect the difference of objects polarization characteristic, and get a natural fused image effect.