红外与可见光图像融合的多分辨率方法

给出一种适合于红外与可见光图像融合的多分辨率融合方法。方法基于对比度塔形分解的图像融合方法,在融合过程中可有选择地突出被融合图像的对比度信息,达到良好的视觉效果。利用熵、交叉熵、互信息量、平均交叉熵、均方根交叉熵等参量,对多种图像融合方法的性能进行了定量评价和比较。实验结果表明,方法用于红外与可见光图像的融合十分有效。     

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。     

基于梯度塔形分解的GPU加速多源图像融合

为了解决多分辨率图像融合算法在单纯CPU上运行效率低的问题,提出了一种用于在基于梯度塔形分解的图像融合算法中使用的新融合规则,并将整个融合算法在图形处理器上进行了设计和高效的实现,将计算密集的任务安排到图形处理器上执行.实验验证,融合图像保留了源图像中的显著特征.并且,与单纯CPU上的融合算法相比,该系统在不同尺寸的图像融合中都获得加速.展现了一种通过图形处理器提高多分辨率图像融合算法效率的方法.     

一种新的红外与可见光图像像素级融合方法

提出了一种使用指导性滤波进行像素级图像融合的方法。首先对红外图像进行最大值滤波处理以获取其中的高亮信息;然后使用原始红外图像作为指导图像对高亮部分做滤波,处理结果直接叠加在可见光图像上;最后将叠加图像进行伽玛校正以调整对比度,得到最终融合输出。实验结果表明:该算法能够充分利用红外与可见光图像各自的优势,融合效果较好,且计算复杂度低,易于实时处理。     

红外与可见光图像多特征自适应融合方法

为解决可见光图像可视性差与如何精确控制可见光与红外图像输入量的问题,本文提出一种结合图像自适应增强与独立性、聚焦度、对象性等显著性检测的可见光与红外图像融合算法。首先在可见光图像中引入自适应增强算法提高图像纹理细节的可见性,并对红外图像归一化处理,其次将处理后的图像利用引导滤波分解为细节层与基础层,利用显著性检测生成细节层的权重图,提高细节层中可见光图像背景信息与红外图像边缘信息的精确融合量,最终将依据权重值融合后的细节层与基础层组合得到最终的融合图像。为验证本文算法的优越性,选取图像熵、平均梯度、边缘强度、空间频率、视觉保真度、平均灰度等6种融合评价指标对融合图像定量分析,并利用YOLO v5（You Only Look Once）网络对各融合算法进行目标检测,结果表明本文算法在融合定性评价、定量评价与目标检测评价指标平均精度中达到最优。     

红外图像噪声先验中值滤波方法的设计与应用

红外图像中的脉冲噪声影响温度测量及分析,同时影响红外图像的可观性。传统中值滤波容易造成过度滤波,影响温度分布,丢失图像温度信息。针对传统方法的缺陷,借鉴噪声检测的中值滤波方法,将其应用于红外图像的脉冲噪声滤波。该方法在中值滤波之前进行一次脉冲噪声检测,确定受到噪声污染的像素点,并进行记录标识。然后进行对噪声污染像素的针对性滤波,实验证明,达到了既能有效滤除噪声,又完整保留温度信息的目的。     

一种像素级多算子红外与可见光图像融合方法

给出了一种新的基于多尺度分解的像素级图像融合方法。该方法利用小波变换对每一图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像。该方法被成功地用于红外与可见光图像的融合处理。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们的视觉特性、更有利于机器视觉。     

基于变换域VGGNet19的红外与可见光图像融合

针对红外与可见光图像融合中出现细节信息丢失及边缘模糊的问题,提出一种在变换域中通过VGGNet19网络的红外与可见光图像融合方法。首先,为了使得源图像在分解过程中提取到精度更高的基础与细节信息,将源图像利用具有保边平滑功能的多尺度引导滤波器进行分解,分解为一个基础层与多个细节层;然后,采用具有保留主要能量信息特点的拉普拉斯能量对基础层进行融合得到基础融合图;其次,为了防止融合结果丢失一些细节边缘信息,采用VGGNet19网络对细节层进行特征提取,L1正则化、上采样以及最终的加权平均策略得到融合后的细节部分;最后,通过两种融合图的相加即可得最终的融合结果。实验结果表明,本文方法更好地提取了源图像中的边缘及细节信息,在主观评价以及客观评价指标中均取得了更好的效果。     

基于结构纹理分解的红外与可见光图像融合算法

针对红外与可见光图像融合中存在的热目标信息丢失、边缘结构模糊、细节损失等问题,提出一种多层分解的图像融合算法。首先使用结构纹理分解将源图分解为细节层和结构层,对细节层使用基于结构相似性和L2范数的融合规则融合并增强;然后提出一种结构均值法,将结构层分解为亮度层和基础层,对亮度层使用绝对值取大融合,对基础层设计了一种基于多指标的融合规则进行融合;最后重构各子融合图像得到最终融合图像。为验证算法的有效性,与9种红外与可见光图像融合算法进行对比,使用空间频率、平均梯度、边缘强度、方差、视觉保真度、基于人类视觉感知的指标和信息熵7种客观图像评价指标,在前5种指标上分别取得27.4%、36.5%、38.2%、8.5%和23.5%的提升。实验结果表明,本文算法在有效保留红外热目标的同时较好地保留了边缘结构和纹理细节,且在客观评价指标上取得了更好的效果。     

一种高效去除椒盐噪声的中值滤波方法

提出了一种基于先检测、后滤波的椒盐噪声滤除算法．将像素值为0或255附近的像素点作为疑似噪声点,其余点为信号点．信号点不做任何处理,以保留更多的图像细节．而对于疑似噪声点,首先用改进的自适应极值中值方法进行噪声检测,并将检测结果记录在一个二值矩阵flag中,其中信号点记为1,噪声点记为0．然后根据图像像素值矩阵与flag的点积进行自适应中值滤波处理．实验结果表明,不仅对真实含噪图像处理有很强的适应性,而且对噪声密度高的图像,能在有效去除椒盐噪声的同时保护图像细节．在不同噪声率下均优于标准中值（SMF）滤波法及其一些改进方法,在噪声密度为10％～90％其峰值信噪比（PSNR）平均提高6dB．     

多级非线性加权平均中值滤波改进算法

介绍了中值滤波的概念和几种改进的中值滤波算法，在几种改进算法的基础上提出了新的中值滤波改进算法。依据以上几种算法进行了仿真试验和图像视觉上的比较，并进行了数字图像的峰值信噪比（PSNR），归一化均方误差（NMSE）和归一化平均绝对误差（NMAE）的几种定量指标的比较。实验结果和几种定量指标比较结果表明，该算法能有效地滤除图像中的椒盐噪声，还能使图像保持很好的清晰度，明显优于几种改进的中值滤波算法。     

Iterative non-local means filter for salt and pepper noise removal

Salt and Pepper noise (S&P noise) removal is an active research area in digital image processing. Existing techniques commonly use the local statistics within a neighborhood to estimate the centered noisy pixel, and tend to damage image details due to the image local diversity singularity and non-stationarity. To address this problem, in this paper, iterative nonlocal means filter (INLM) is proposed to exploit the image non-local similarity feature in the S&P noise removal procedure. Moreover, the proposed iterative framework update the similarity weights and the estimated values for higher accuracy. The experimental results show that the proposed INLM produces better results than state-of-art methods over a wide range of scenes both subjectively and objectively, and it is robust to the detection results.     

一种基于中值金字塔的图像融合算法

为了对同一光学传感器的多聚焦图像进行融合增强以获得较高清晰度的图像,提出了一种基于中值金字塔的图像融合算法.首先,利用中值滤波和分析、合成算子得到图像的各级金字塔分解,以及各级细节子图像.然后,对顶层低频子图像系数取平均,对各级细节子图像,以局部邻域平均梯度为判据,进行图像融合.最后,利用中值金字塔反变换重构图像.实验结果表明,该方法对多聚焦图像的融合十分有效.     

Fast switching based median–mean filter for high density salt and pepper noise removal

This paper proposes a fast switching based median–mean filter for high density salt and pepper noise in images. The extreme minimum value and extreme maximum value of the noisy image are used to identify the noise pixels. In the filtering stage, the corrupted pixel is replaced either by median value or mean value based on the number of noise free pixels in the filtering window. The qualitative and quantitative results show that the proposed filter outperforms the other switching based filters namely ACWMF, PSMF, AMF, DBA and MDBUTMF in terms of noise removal and edge preservation for noise densities varying from 10% to 90%.     

基于神经网络噪声检测的自适应中值滤波器

针对椒盐噪声污染图像的滤波问题,提出了一种基于前馈神经网络的噪声检测器。基于这种噪声检测方法,采用自适应中值滤波算法,依据像素点的不同属性采用不同的滤波策略。实验结果表明,该算法在有效去除椒盐噪声的同时更好地保留了图像的边缘和细节,是一种有效的图像去噪方法。     

基于金字塔方法的SAR图像与光学图像的融合

对金字塔方法和IHS方法在SAR图像与光学图像融合中的应用进行了研究。分析了它们的优缺点和局限性,并结合具体融合实验,给出了改进的算法和一些灵活的处理方法。实验结果表明,改进后的算法比传统的高斯拉普拉斯金字塔方法有更好的融合效果。     

基于FPGA的多分辨图像融合系统实时实现的研究

文章在分析了主流的Laplacian金字塔多分辨图像融合算法处理特点的基础上，介绍了基于FPGA的实时实现方法，给出了滤波、插值、延时、融合等算法模块的参数化设计方案及其并行处理流水线的细分和优化技术，分析了各个模块的资源占用情况，可以在单片Xilinx V4SX35 FPGA上实现双通道720×576×10bit图像的3层Laplacian金字塔算法融合处理。实验结果显示，采用该方法设计的融合系统融合效果良好，处理延迟小，可以实现25f／s的实时融合处理。     

一种小波域多方向自适应加权伪中值滤波算法

为了有效地滤除红外图像中的噪声,提出了一种小波域多方向自适应加权伪中值滤波算法。该算法首先对红外噪声图像的各高频分解子图像分别进行噪声点检测和标记;然后根据各子图像中像素点分布特征分别设计出4类具有多方向性的滤波模板进行自适应加权滤波;最后将低频分解子图像与滤波后的各小波高频分解子图像进行重构。分别将中值滤波（MF）、伪中值滤波（PMF）、极值中值滤波（EMF）、加权中值滤波（WMF）、以及本文算法应用于标准测试图像以及红外图像去噪,并引入峰值信噪比（PSNR）、平均绝对误差（MAE）进行去噪效果评定。标准测试图像和红外图像仿真结果表明,该算法性能明显优于PMF,且相对于与其余几类同类型算法而言,也具有一定的优势。     

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。