基于NSCT和混合粒子群算法的红外与可见光图像融合

针对红外与可见光图像融合的特点,提出一种基于非下采样Contourlet变换(NSCT)和混合粒子群算法的红外与可见光图像融合算法。通过NSCT变换对红外图像和可见光源图像进行分解,对低频子图像,采用一种基于区域平均值改进的加权平均法进行邻域融合,对高频子图像的最高层采用区域标准差选大法进行融合;对高频子图像的其他层采用以混合粒子群优化算法选取阈值,基于平均梯度选择的邻域算法进行融合。最后进行NSCT逆变换得到融合图像。实验结果表明该方法可以获得融合效果更佳的融合图像。     

基于多阈值分割的红外与可见光图像融合

对基于NSCT分解的可见光和红外图像的融合算法进行了优化技术研究.在场景复杂或有多个区域需要同时关注时,低频子图融合阶段采用简单的二值化区域分割方法并不能将不同区域的感兴趣目标有效地反映到融合结果中.所以本文采用基于最大熵的多阈值分割方法,并对每一个分割区域计算其区域能量比指导融合系数的求取;高频融合阶段采用最能保持图像细节的梯度最大规则.实验结果表明本文算法能够将多个区域中的感兴趣目标很好地反映到融合结果中,并保留了可见光图像丰富的细节信息和分辨率高特征,融合图像具有更好的视觉效果.     

基于NSCT变换和小波变换相结合的图像融合算法研究

针对小波变换在表达图像边界及线状特征上的缺陷,以及NSCT变换在表达图像细节信息的不足,提出了在红外图像与可见光图像融合的过程中采用基于NSCT变换和小波变换相结合的图像融合算法。在图像NSCT分解后,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点采用了基于区域方差的融合规则。实验结果表明,基于NSCT变换和小波变换相结合的融合算法能更好地保持可见光图像的光谱信息和红外图像的目标信息,具有更多的细节特征以及更清晰的边缘。     

基于区域分割的序列红外图像融合算法

针对传统的基于像素点和窗口策略的融合算法对图像特征表征的失真,提出了一种基于区域分割的序列图像融合算法.首先将序列红外图像分割为3个不同的特征区域,目标区域、背景区域以及灰度区域,并将分割结果映射到可见光图像中.随后,利用多尺度几何分析工具非下采样Contourlet变换(NSCT)有效提取图像特征的特点,根据不同区域的特性在NSCT域设计不同的融合规则.对试验结果进行主观和客观的对比,结果表明:基于区域分割的序列图像融合算法不仅能够为融合图像保留更全面、丰富的背景信息,还能够更加有效、准确地提取图像中的目标特征.该算法优于传统的基于像素点和窗口规则的融合算法,是一种有效可行的图像融合算法.     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

结合NSCT和邻域特性的红外与可见光图像融合

针对传统的融合方法对比度低、纹理信息保留不充分等问题,结合模糊增强特性,提出一种结合NSCT和邻域特性的红外与可见光图像融合算法。首先,对待处理的红外图像和可见光图像进行NSCT变换分解得到各自的高低频子带系数,接着对模糊增强后的低频子带系数采用改进的区域能量加权平均融合方案,同时对高频子带系数采用灰度变化和梯度差异加权融合方案,最后将高低频融合系数经NSCT逆变换得到融合图像。实验结果表明,融合后的图像目标细节清晰突出,与其他融合算法相比更具有先进性与有效性。     

基于NSCT的红外与可见光图像融合

针对红外与可见光图像特点,提出一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像融合算法。该算法对源图像进行NSCT分解,得到低频分量和各带通方向子带分量;引入图像区域相关系数决策度,对低频分量和带通方向子带分量采用不同的融合规则进行融合;最后经过NSCT逆变换得到融合图像。实验证明,该方法可以更好地保留目标信息和图像细节信息。     

基于NSCT的自适应多判决图像融合方法

针对传统的融合方法对于红外图像目标信息和可见光图像丰富的背景信息无法有效地保留到融合图像的问题,提出一种基于NSCT变换的自适应多判决红外与可见光图像融合方法。首先,将来自同一场景配准后的红外与可见光图像进行NSCT多尺度、多方向分解;然后,分别对高低频系数采取不同的融合规则：低频系数采用基于区域能量调节因子自适应加权的方法,对高频系数采用混合的融合方法,即对于高层,采用像素点绝对值选大的融合方法,对于低层采用基于对比度的多判决融合方法;最后,将得到的高低频融合系数进行逆NSCT变换得到融合图像。实验结果表明,经主客观评价,本文提出的融合方法优于文中其他基于多尺度分析的图像融合方法,可得到更理想的融合图像。     

马氏距离与引导滤波加权的红外与可见光图像融合

为使红外与可见光融合图像获得更好的分辨率和清晰度,提出基于非下采样轮廓波变换（non-subsampled contourlet transform, NSCT）的马氏距离加权拉普拉斯能量和与引导滤波改进（frequency tuned, FT）结合的红外与可见光图像融合算法。首先,对可见光图像进行对比度受限的自适应直方图均衡（contrast limited adaptive histogram equalization, CLAHE）,并将红外图像与CLAHE处理后可见光图像进行NSCT变换,分解为低频和高频; 其次,对FT算法使用引导滤波进行改进,利用改进的FT算法提取红外图像显著性图自适应加权融合低频图像,对高频图像使用基于马氏距离加权的拉普拉斯能量和取大融合; 最后,对融合的低频和高频图像进行NSCT逆变换获得融合图像。实验结果表明,该融合方法相较其他传统融合方法,在主观视觉上和客观指标上都有较好的表现。     

基于NSCT红外与可见光图像融合算法优化研究

为了在一定程度上为后续图像处理提供更为有效的信息,针对红外与可见光图像融合,提出了一种改进的算法。NSCT用于分解红外图像和可见光图像,采用像素特征能量加权融合规则和邻域方差特征信息融合规则得到其低频和高频系数,最后通过逆NSCT进行图像重构得到融合图像。优化后的算法在融合图像清晰度上比Contourlet算法提高了2.22%,在图像信息丰富程度上提高近3.1%。实验结果表明,该算法可以有效地提高图像融合质量。     

多传感器信息融合技术及其应用

随着科学技术的迅猛发展,信息采集与融合趋于多元化和复杂化。单一的传感器已经无法满足需求。因此,多传感器信息融合技术开始广泛应用于各行各业,并提高了信息处理的准确性和完整性。从概念、结构与分类、关键算法的研究和实际应用等方面对多传感器信息融合技术进行了介绍,并总结了该技术的发展趋势与未来前景。     

图像融合技术及评价方法

描述了图像融合的基本概念、层次,重点阐述了像素级图像融合的基本原理和方法.对图像融合的客观评价标准进行了总结,进行了仿真试验,并利用评价标准比较了多种图像融合方法的性能,最后展望了图像融合发展的前景.     

知识融合理论研究发展与展望

介绍了知识融合的定义及结构,概述和分析了其国内外研究现状,指出了该领域研究存在的问题,展望了知识融合的发展趋势,为今后相关研究提供了有益的思路。     

分布式传感器的融合及其应用

文章讲述的传感器融合是基于所有智能体测量值的向量的最小平方根和融合的最小平方根估计的协方差，讲述了动态consensus允许那些量随时间被跟踪。该性能根据通讯网络的代数连通性consensus的速率是可分析的。仿真结果证明通过融合可以降低噪声的传播、实现收敛性和跟踪快速信号。     

基于小波变换的红外与可见光图像融合技术研究

随着传感器技术的发展,单一的图像传感器往往不能够从场景中提取足够多的信息,需进行多源图像融合.为了解决多传感器图像所表现的目标特征不一致的问题,本文采用小波变换对红外及可见光图像进行了融合.首先利用小波变换将图像进行多尺度分解.对于高频部分融合,取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵;针对低频部分融合,采用基于领域像素相关和基于区域方差相结合的策略.实验结果表明,该算法将红外与可见光图像对同一目标所表现出的不同特征、细节有效地融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图像处理系统获取信息提供了基础.     

基于QPSO和统计特征的红外与可见光图像融合

为解决红外图像与可见光图像融合中融合图像质量不高问题,提出了一种结合量子粒子群优化和邻域统计的图像融合方法。红外和可见光源图像经过多尺度分解成为低频和高频子带。对低频子带,采用系数加权平均的融合策略,并通过量子粒子群优化方法搜索最优的融合权值;对于高频子带,采用受邻域统计信息调制的系数比较取大融合策略,通过逆变换重构图像得到融合结果。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,且融合效果优于其它一些算法。     

主被动雷达数据融合及跟踪

主、被动雷达同时工作阶段,导引头需要处理的数据包括两个不同数据率且非对准的角度数据,应用主被动数据融合处理的思想和方法进行精确的跟踪将是这一段时间导引头的主要任务。文中提出了一种利用目标先验信息改变权值的“基于最近邻简单方差融合算法”,当主动雷达受干扰时,利用目标运动的先验信息判断干扰出现,然后改变融合权值,使受干扰雷达观测数据所占比重减小,进行干扰抑制和跟踪。经过理论分析和仿真试验,证明了该方法能有效地抑制干扰并进行目标跟踪,且具有算法简单、计算量小的特点。     

快点火与惯性聚变能

惯性约束聚变（ICF）的中期结果在国防与科学方面有重要应用价值，但最终目标是想解决人类的惯性聚变能源（IFE）问题。如果能有新的方式使高密度燃料小囊点火就有可能使这一多年来孜孜以求的梦想变成现实。本文综述聚变能源的材料、原理和研究现状，快点火的原理和可行性研究，提出获得聚变能的一些设想和展望。     

分布式雷达检测数据融合系统及性能分析

研究了基于奈曼一皮尔逊准则的分布式并联融合系统的检测理论，给出了使系统性能达到最优的融合中心的融合规则和传感器的决策规则，提出了一种融合系统性能优化算法，将其应用于雷达网数据融合，并就三部雷达沿直线部署的具体情况进行了计算机仿真。结果表明：相对于单部雷达而言，融合系统的性能有非常显著的改善。     

红外照射条件下目标和背景的亮度融合

从目标和背景亮度对比度的角度出发,构建了红外照射条件下目标和背景的亮度融合模型,得出了亮度融合的条件。针对红外探测中不同组合的目标和背景,探究了红外照射条件下亮度融合的适用对象,并进行了仿真验证。结果发现:通过红外照射的方式实现目标与背景亮度融合的方法,适用于与背景相比具有高发射率的亮目标和低发射率的暗目标,特别地,对于温度与背景相等的目标,实现某波段上与背景亮度融合的辐射照度等于温度为T(T=Tt=Tb)的黑体在该波段上的辐射出射度。最后,通过红外照射系统照射不同组合的目标和背景(亮目标和暗目标),一定程度上实现了中红外波段目标和背景的亮度融合,验证了理论的有效性。