基于多尺度分析的红外与可见光图像融合研究

红外与可见光图像融合是异类传感器信息融合的重要分支,在军事、遥感等领域有着重要的研究意义。本文从红外与可见光图像的特点出发,介绍了两种图像融合的现状,归纳了常用的基于多尺度分析的图像融合方法,简要阐述了红外与可见光图像融合规则和评价指标,为多尺度分析技术在图像融合领域的发展提供了清晰的方向。     

基于显著性图的红外与可见光图像融合

为使红外图像与可见光图像融合后的图像能获得更多目标信息和细节信息,本文提出了一种基于显著性图的图像融合方法.使用改进的Frequency Tuned(FT)算法提取红外图像的显著性图,并使用对比度受限的自适应直方图均衡化(Contrast Limited Adaptive Histgram Equalization,CLAHE)算法增强可见光图像的对比度.将红外图像与增强后的可见光图像进行非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)后,根据所设定的融合规则分别对红外与可见光图像的低频部分与高频部分进行融合,最后对融合系数进行NSCT逆变换操作后获到融合图像.实验表明,该融合方法相较于其他方法而言,保留了更多的目标信息和细节信息,可以取得更好的视觉效果.     

红外与可见光图像融合技术的研究进展

红外与可见光融合图像既具有红外的辐射信息又具有可见光的细节信息,在生产生活、军事监视等场景得到广泛应用,已然成为图像融合领域的重点研究方向。根据图像融合方法的核心思想、融合框架、研究进展对基于多尺度变换、稀疏表示、神经网络等融合方法进行详细阐述对比,并综述了红外与可见光图像融合在各领域内的应用现状,以及常用的评价指标。并选择具有代表性的多种融合方法与评价指标,应用于六个不同场景,验证各方法的优势与不足。最后,实验分析并总结现有红外与可见光图像融合方法存在的问题,对红外与可见光图像融合技术的发展趋势进行展望。     

基于多尺度top-hat分解的红外与可见光图像增强融合

提出了基于数学形态学与尺度空间理论相结合的特征增强融合算法。首先对源图像使用多尺度top-hat变换构造塔形分解的亮、暗细节特征和近似图像,再对源图像对应尺度的亮、暗细节特征应用融合规则,最后依据不同应用需求加权各尺度亮、暗特征得到融合图像。实验表明:文中算法能有效融合并增强源图像细节特征,消除红外源图像因对比度低、灰度值范围较窄、视觉效果模糊等对融合质量的不利影响,并能根据应用需求获得具有不同增强效果的融合图像,从而达到更好的视觉效果,提高融合图像的目标检测和识别能力。     

基于多尺度和注意力模型的红外与可见光图像融合

针对红外与可见光图像在融合后容易出现伪影,小目标轮廓不清晰等问题,提出一种基于多尺度特征与注意力模型相结合的红外与可见光图像融合算法。通过5次下采样提取源图像不同尺度的特征图,再将同一尺度的红外与可见光特征图输入到基于注意力模型的融合层,获得增强的融合特征图。最后把小尺度的融合特征图进行5次上采样,再与上采样后同一尺度的特征图相加,直到与源图像尺度一致,实现对特征图的多尺度融合。实验对比不同融合框架下融合图像的熵、标准差、互信息量、边缘保持度、小波特征互信息、视觉信息保真度以及融合效率,本文方法在多数指标上优于对比算法,且融合图像目标细节明显轮廓清晰。     

基于目标增强的红外与可见光图像融合算法研究

针对传统多尺度变换融合方法不能有效保留红外图像中热辐射信息及高对比度特征,本文提出了一种基于目标增强多尺度变换的红外和可见光图像融合算法。首先,对可见光图像进行预处理,自适应地提高其对比度。其次,对红外和可见光图像分别使用拉普拉斯金字塔(LP)分解为高频以及低频分量。然后,使用分解后的红外低频信息确定低频段融合权重,并引入参数λ控制融合图像中红外信息比例。最后,使用拉普拉斯金字塔逆变换重构融合图像。实验结果表明,所提出的方法可以生成具有明显突出目标和丰富细节的融合图像,并在主观视觉和客观指标上具有更好的表现。     

微光图像与红外图像融合技术研究

图像融合技术在微光和红外图像处理中得到了广泛的应用.为了深入理解图像融合技术以及融合后的图像质量,首先分析了微光和红外图像的融合技术,对微光和红外图像进行了预处理,分析了微光和红外成像过程、图像增强技术、特征提取方法、图像配准等.重点研究了拉普拉斯图像融合、对比度调制融合、基于小波分解的图像融合技术.最后通过实验对这几种融合技术进行了比较,结果显示融合后的图像质量得到了改善,突出了目标轮廓和细节,方便了目标识别.     

区域自适应多尺度强光融合的红外图像增强

图像增强可以分为全局增强和局部增强两种技术,当前基于局部的图像增强技术无法准确地对目标和背景进行分割且难以自适应地对分割区域进行增强。本文提出了一种区域自适应多尺度强光融合算法用于红外图像的增强处理。该算法首先使用语义分割技术完成目标区域和背景区域的划分,然后使用改进后的多尺度强光融合算法分别对各区域进行自适应增强。实验结果表明,所提算法的增强效果均优于当前主流算法,图像增强的视觉效果更真实。     

基于小波变换的红外图像融合技术研究

图像融合的目的是把来自多传感器数据的互补信息合并形成一幅新的图像,以便更好地进行监视和侦察之类的视觉感知。文中介绍了小波变换及其Mallat快速算法,提出了基于小波变换的图像融合方法,并分析了可见光与红外图像的融合结果,结果表明,小波变换融合图像包含了所有传感器的相关信息,其性能优于高斯－拉普拉斯金字塔结构算法,这一原理也可以应用到两幅以上的图像上,无论这些旬否在同一光谱波段内。     

自适应尺度显著图融合的红外舰船检测算法

红外舰船目标识别逐渐成为无人机侦查和精确制导等领域的研究重点。基于视觉显著性目标检测,对ITTI模型和HOU模型的算法进行研究。为了兼顾识别精度和速度,提出了一种基于直方图的自适应尺度的显著图融合检测算法,通过在HOU算法的显著图中加入了ITTI模型的亮度特征,并在形成图像金字塔时,利用直方图确定目标尺寸,进而自适应地得到合适数量的金字塔图层,使得生成的显著图更精确。仿真表明该算法能有效提高红外舰船目标的识别率,并可以适用于不同大小目标的检测。     

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.     

基于形态学图像融合的目标检测方法

提出了一种新的海空背景下受强杂波、噪声污染的红外图像目标检测算法。采用多尺度的形态算子对输入的图像进行并行滤波，既抑制噪声又能提取目标边缘细节。对并行处理后的图像进行基于树状小波帧变换的图像信息融合。仿真实验表明，该算法要优于传统的小波、中值滤波算法，适用于舰载红外警戒系统。     

一种基于图像融合的红外图像增强新方法

介绍了一种红外图像增强的新方法.该算法对红外图像处理过程中不同类型的噪声采用不同的方法滤波,有效地滤除了高斯噪声和脉冲噪声,同时增强了目标和背景中的边缘成分.该方法以增加检测系统硬件复杂程度为代价换取对红外图像特定信息的增强,可用于地面背景下红外图像目标检测或匹配跟踪的预处理.     

基于小波变换的红外图像融合算法研究

小波变换具有良好的多分辨分析特性,可用于可见光图像与红外图像的图像融合。一般情况下,对于分解后得到的低频分量采用加权平均的方法来进行简单处理,这对融合后图像的对比度和视觉效果有很大的影响。采用基于小波变换的图像融合算法来分别处理分解后的低频分量和高频分量,并与其他融合方法进行分析比较。实验结果表明,使用所提出的算法进行融合后的图像内容清晰,具有增强图像的空间细节能力,提高图像分辨效果和人眼对场景目标的发现和识别概率,在不影响互信息量值的情况下,融合后图像的边缘保持度提高了将近2倍。     

基于提升小波变换的红外图像融合算法研究

介绍了提升小波变换,提出了基于提升小波变换的图像融合方法,算法针对提升小波变换后的低频分量和高频分量的不同特点,选用了不同的融合准则进行融合,然后通过提升小波逆变换得到融合图像。通过分析可见光与红外图像的融合结果并与其他融合方法进行比较,实验结果表明,该算法使得融合后图像内容清晰,具有增强图像的空间细节能力,取得了较好的融合效果。     

一种基于Curvelet变换多传感器图像融合算法

综合分析了Curvelet变换的特性,并提出了一种基于Curvelet变换的多传感器图像融合算法。首先采用Curvelet变换将源图像分解到不同尺度、方向频带范围内,然后采用不同的融合规则得到融合后图像的Curvelet变换系数,最后再进行Curvelet逆变换得到融合图像。采用多组具有不同特征的源图像进行了融合实验,并对融合图像进行了主客观评价。实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法能够有效避免“人为”效应或高频噪声的引入,得到具有更好视觉效果和更优量化指标的融合图像。     

基于多特征的红外与可见光图像融合方法的研究

红外图像包含物体的温度信息,但其存在对比性差、纹理弱等缺陷,限制了应用,目前基于融合的方法能有效改善红外图像的视觉效果,但局限于简单的直接融合,忽略了背景等因素所含噪声的影响及各部分细节信息。文章在这方面做了进一步的研究工作,改进了现有方法的融合规则,提出先将目标从背景中提取出来再以温度阈值及纹理特征为依据分层次分区域融合,从而在细节上极大地改进了目标的视觉效果,提高了效率。最后对融合效果进行了定量评价和比较。实验结果证明处理后的图像能够比原图像获得更丰富的视觉信息。     

基于双层次决策规则的红外与可见光图像融合

针对传统可见光和红外图像融合方法存在融合图像中缺失方向性信息和各向异性信息的问题,提出了一种基于双层次决策规则的红外与可见光图像融合方法。该方法将各向异性扩散(Anisotropic Diffusion,AD)和极值规则进行融合,首先通过AD滤波器将每个输入的源图像分解为近似层和细节层。然后将双层次融合决策规则分别应用于细节层和近似层,以保留光谱信息和结构信息,最后使用结构相似性指数(SSIM)、平均梯度(AG)和信息熵(IE)对融合图像的图像质量进行评估。实验结果表明,相比现有其他图像融合方法,所提方法的融合图像中具有更多的信息并有效减少了伪影现象,验证了所提出方法的有效性。     

红外图像融合

研究了利用拉普拉斯金字塔技术,对可见光电视和红外图像融合过程中,各个相关层的像素点值的选取规则的不同对融合结果的影响,对比实验证明,对不同的红外图像结构,需应用不同的对应点值的选取规则。