基于显著性检测的不同视角下红外与可见光图像融合

融合红外图像的热源目标和可见光图像的清晰背景可以实现低照度条件下与场景关联的异常行为识别。现有以特征匹配为主的融合方法,受监控场景下可见光与红外成像的尺度、视角、目标特性等差异影响,配准及融合效率及准确性受限。针对该问题,本文提出了基于显著性检测的不同视角下红外与可见光图像融合方法。通过预设热敏感目标,计算可见光与红外的视场转换模型,预先配准红外与可见光视场。使用Mask R-CNN网络提取红外图像中的行人目标显著性区域,根据视场转换模型点将每个目标区域与可见光图像局部融合。最后,通过违规入侵行为辨识为目标进行实验验证。实验表明,论文提出的融合方法能够有效地将红外图像的热敏目标信息与可见光的场景进行融合,可以准确地判断是否发生违规入侵行为。     

基于整体变分的红外和可见光图像融合

针对红外与可见光的融合图像存在对比度低、场景细节信息不清晰的问题,提出基于整体变分的红外和可见光图像融合方法。该方法将每次迭代后的融合图像分别与可见光和红外图像进行差分运算,作为整体变分模型的正则项和保真项。同时,引入关于红外图像的非增扩散函数来引导扩散,抑制红外图像边缘信息的平滑,从而把图像融合问题转化为图像去噪问题,最终转化为一个泛函求极值问题。实验结果从视觉质量及客观评价上验证了该方法的有效性。     

面向桥梁目标自动检测的多源遥感图像融合模型与方法

作为信息增值的一种有效手段,图像融合技术已广泛地用于成像遥感应用领域。面向目标识别的图像融合需依据不同的目标任务建立不同的融合模型。该文提出了适于桥梁目标自动检测的多源遥感图像融合模型和方法。该模型充分考虑了数据源特性、遥感图像中的桥梁目标特征和目标背景特征,能在复杂大幅场景中有效地检测桥梁。真实多源遥感图像的实验结果验证了该模型和方法的合理性。     

基于时空马尔可夫随机场的运动目标分割技术

复杂场景下的运动目标分割技术是近年来多媒体通信技术研究的热点之一。文中提出一种基于时空马尔可地随机场模型的运动目标分割技术。首先建立运动序列图像的时空马尔可夫随机场模型并且构造其相应的能量耗费函数,通过模型可以提出期望的空间属性。然后利用迭代条件模型（ＩＣＭ）算法实现最大后验概率（ＭＡＰ）估算问题。最后利用形态滤波的方法对分割结果进行修正。模拟实验结果证明,该方法能够有效地抑制图像的噪声,对于运动     

基于多宇宙并行量子遗传算法的多传感器图像融合方法

采用基于对比度视觉模型的图像融合最优分块搜索算法,对同一场景两幅严格配准的多聚焦图像的清晰恢复进行了深入研究.针对该算法在图像较大时融合的计算量大,耗时长,难以进行快速、实时融合等缺点,通过分析该算法固有的时间复杂性和并行性,提出了一种基于多宇宙并行量子遗传算法和对比度视觉模型的多传感器图像融合方法.实验表明,该方法融合计算速度快,并行性能理想.     

基于融合图像特征库的夜视图像彩色化研究

提出一种基于图像融合技术的夜视图像彩色化方法,结合红外图像和微光图像各自的特点,利用小波图像融合的方法把红外图像和微光图像进行融合,从大量的融合图像中提取不同物体的纹理特征,构成野外环境下的纹理图像库,并对每类图像指定相应的彩色参考图像。对目标图像进行分割,提取目标图像的纹理特征与图像库进行相似性对比,完成目标图像的色彩传递。实验结果表明,该算法获得真实的场景色彩,使观察者更容易获得图像的场景信息。     

基于深度引导与自学习的高动态成像算法

多曝光图像融合是将同一场景不同曝光度的图像进行融合,是当前高动态场景成像的主流方法。为了获得更自然的融合效果,该文提出基于深度引导与自学习的多曝光图像融合网络(MEF-Net)。该网络是以端到端的方式融合任意数量的不同曝光度图像,无监督地输出最优的融合结果。在损失函数方面,通过引入强度保真约束项和加权的多曝光图像融合结构相似度(MEF-SSIM),提升融合效果。此外,针对两幅极度曝光情况下的图像融合,该文采用自学习的方式,基于预训练的模型进行参数微调与优化,减弱光晕现象。基于大量测试数据,实验结果表明,该文所提算法在定量指标和视觉融合效果方面均优于现有主流算法。     

一种医学图像虚实融合显示的新思路

针对传统医学图像融合方法的局限性提出了一种基于OpenGL三维显示技术的图像虚实融合显示的新思路,其目的是将计算机重建的虚拟三维模型融合到摄像机拍摄到的真实场景中,使得医生能够在计算机屏幕上同时看到病人体表和内部的病灶组织,提高手术质量。该方法通过摄像机标定获得投影矩阵,从而进行坐标配准,再利用纹理技术将虚拟模型与真实场景融合显示。实验表明重建的体内模型能够准确融合到真实场景图像中,达到虚实有机融合。     

基于全变分的权值优化的多尺度变换图像融合

在基于多尺度变换的图像融合中,通常对分解后的低频图像采用加权求和的融合规则,而对于异源图像融合的情形,两幅源图的低频分量之间亮度差距较大,这时权值的选择直接影响到融合图像的视觉效果,简单的平均规则会使融合图像对比度降低。针对这一问题,该文提出将加权系数看作一个函数,用全变分方法对其进行优化;为使该方法可适用于所有的多尺度变换像融合,分别建立了图像域和变换域上的全变分模型。实验表明该方法能得到细致准确的权值函数,很好地保持源图像中的显著目标,提高了融合效果,从而证明了该方法的有效性和优越性。     

野外场景分析与水体识别新方法的研究

 根据视觉认知规律,提出描述野外场景图像的三要素:地面、垂直物、天空,给出了单视角野外场景图像方程,通过采用基于独立图元函数码的三要素图像快速分类方法,实现对野外场景图像的分割,并且只在地面上去识别水体.本文重点讨论了野外场景中水体光照模型,分析了野外场景的相关物理特性,定义了水质参数、环境染色参数、图元、独立图元函数码、母图元等新概念,给出了野外场景分析与水体识别系统,提出基于位置、纹理、地质系数和环境染色等多特征参数的数据融合水体识别方法.实验表明该方法对于宽阔的道路场景分析和道路上的水体识别可以得到很好的效果.     

一种新型异源图像融合质量评价模型

提出了一种基于FNN的异源图像融合质量评价模型。该模型将融合图像的主观评价结论样本集作为模糊期望输出,并利用高斯隶属度函数将多种典型图像融合客观评价指标进行模糊化,作为网络输入样本。通过网络学习,生成评价指标权重与隶属度函数的相关参数,并采用动量因子提高了网络的学习效率。实验结果表明,采用该方法进行异源图像融合质量评价,评价结论符合人眼的观察特性,主、客观评价结论具有较好的一致率,为融合图像自动化评价的实现提供了有效的途径。     

多源影像融合与分割的协同方法

针对现有影像融合与分割方法之间缺乏协同的问题,借鉴数据同化系统能够协同其模型算子和观测算子,并且能够自适应地优化其本身的思想,提出一个多源影像融合与分割的协同框架.在该框架下,以基于对比度金字塔变换和基于非下采样的Contourlet变换的两种融合方法分别模拟模型算子和观测算子,以评价分割效果的概率随机系数为目标函数,以带交叉算子的粒子群算法作为数据同化系统的优化算法.该框架可根据融合结果影像来调整分割算法的参数,利用分割结果来指导融合结果的优化,从而使得影像融合与分割协同工作.二组实验验证了该框架的有效性.     

多传感器图像融合综述

图像融合是在多测度空间综合处理多源图像和图像序列的技术。图像融合分为：像素层图像融合、特征层图像融合和符号图像层融合。本文讨论了图像融合各层次的融合算法以及红外图像、可见光图像、多谱图像、雷达图像等的融合问题，提出图像融合的结构模型，并对图像融合的发展方向进行了展望。     

基于多小波分解的多光谱图像矢量融合

在实数域中,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支性、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性,该文将基于像素点和基于区域的标量融合策略推广到矢量情形,提出一种新的、在多小波域中基于矢量融合的图像融合算法,充分利用多小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明,与单小波标量融合方法相比,多小波矢量融合算法获得的图像具有较优的视觉效果和客观评价指标,从而证明了用于图像融合时,多小波较之单小波更适合于人类视觉系统,具有广泛的应用前景。     

基于Contourlet域HMT似然概率的图像融合方法

传统的基于Contourlet变换的图像融合方法大都 忽略了Contourlet系数之间 的相关性,导致特征信息的丢失。本文根据隐马尔可夫树(HMT)模型的两种状态和 3组概率确定能有效捕获尺度间、尺度内的Contourlet系数特性的似然概率,设计了图像融 合规则。实验结果表明,Contourlet域HMT模型应用于图像融合领域,能充分挖掘数据之间 的相关性,为融合图像提取更全面、准确的特征纹理信息。     

基于拉普拉斯金字塔变换的图像融合算法研究

阐述了基于拉普拉斯金字塔变换的图像融合原理和方法：首先对源图像分别进行拉普拉斯金字塔分解,然后对分解后的各层图像采用不同的融合准则进行融合,最后,对融合金字塔做拉普拉斯金字塔反变换得到最终的融合图像。通过对可见光与红外图像的融合结果分析,实验结果表明,该算法能得到具有更多有用信息的高对比度的融合图像。融合效果良好。     

Strong ghost removal in multi-exposure image fusion using hole-filling with exposure congruency

It is the most crucial problem to remove ghost in the multi-exposure image fusion of dynamic scene. The traditional fusion methods have good effects to remove weak ghosts. However, they cannot effectively remove strong ghosts. This paper proposes a new strong ghost removal method in multi-exposure image fusion using hole-filling with exposure congruency. First, analyzing the characteristics of strong ghosts, a detection scheme for strong ghost regions is designed by combining histogram matching and exposure difference detection. Subsequently, to effectively extract image local features, a multi-scale fusion network for non-strong ghost regions is designed to obtain a pre-fused image. Further, based on the distribution characteristics of strong ghosts, a hole-filling model with exposure congruency is designed to remove the strong ghosts. Experimental results show that compared with the state-of-the-art methods, the proposed method can obtain better performance in both of subjective and objective evaluation, particularly in terms of effectively removing strong ghosts.     

一种基于Curvelet变换的图像融合新算法

基于Curvelet变换提出了一种新的融合算法.首先将图像进行Curvelet 变换,然后对粗尺度系数和细尺度系数采用不同的融合规则将Curvelet 系数融合,最后进行重构得到融合结果.对得到的融合图像进行了主客观评价和对比,实验结果表明,本文方法得到的融合图像,在熵、均方误差(MSE)、峰值信噪比(PSNR)和相似度等客观指标上都优于其他方法.     

一种基于小波多分辨率分解的图像融合新算法

提出了一种新的基于小波多分辨率分解的图像融合方法。该方法先利用小波变换将图像分解为不同分辨率、不同方向的分量,然后利用方向对比度和基于区域标准差最大化的融合规则得到融合图像的小波系数;最后通过逆小波变换得到融合图像。实验结果表明,本方法是十分有效的。