基于红外特征与区域相似的图像融合算法

为了提高图像融合算法的速度，改善融合图像的质量．提高观察者对场景的认知能力，提出了一种介于像素级融合与特征级融合之间的基于红外特征和区域相似的图像融合方法．该方法利用目标的红外特征对红外图像进行目标区域分割。从而实现对目标区域和背景区域的分别融合；同时利用图像的结构相似度对源图像中的目标区域进行相似判定，并利用不同的融合规则对冗余区域和互补／冲突区域分别进行融合．与目前常用的基于多分辨率分解的图像融合方法相比，它既充分利用了目标的红外特征和可见光图像的细节信息，更好地对图像中亮暗相反的区域进行了处理．改善了融合效果，又提高了运算速度．     

基于小波变换与特征提取的红外弱小目标图像融合

当前红外单波段数据不能全面反映图像细节以及轮廓信息,弱小目标成像后难以抵抗背景干扰,使得图像产生较低的信噪比。因此有必要利用不同波段数据的纹理差异性,通过互补融合方法提高图像的信噪比。基于此,提出一种基于小波变换与特征提取的融合方法。首先将多源图像进行多尺度二维分解,获得各图像的低频信息与高频信息,在此基础上,高频信息采取绝对值取大的融合方法,低频信息采取加权求平均的融合方法,进而重构图像。然后,利用特征提取方法得到中波与长波特征图像。最后对重构图像与红外中长波特征图像进行对比度调制再融合。融合结果与多种融合算法进行对比。实验结果表明,该算法能够增强图像中弱小目标的灰度,可以很好地识别目标,解决了图像中弱小目标抗背景干扰的问题。     

基于侧窗滤波与分块贝塞尔插值的图像融合

为解决传统红外与可见光图像融合算法存在的目标信息不足、背景杂波以及边缘模糊等问题,提出一种基于侧窗滤波与分块贝塞尔插值法的红外与可见光图像融合算法。首先,采用基于分块的贝塞尔插值方法估计红外图像的背景,利用红外图像与估计的背景图像作差,获得目标图像。然后,对目标图像进行侧窗滤波处理,同时,利用红外图像与可见光图像作差,获得前景图像,滤波结果与前景图像叠加获得目标图像的增强结果。最终,目标增强结果与可见光图像叠加,获得最终融合结果。实验结果验证了所提融合算法在提升图像质量方面的性能较好。     

一种双波段红外图像弱小目标融合检测新算法

提出了一种基于模糊推理的双波段红外图像弱小目标融合检测新算法．首先分别得到双波段红外差分图像,根据差分图像的噪声特性引入隶属度函数来衡量像素点灰度变化程度,对多帧差分图像进行融合,按照“IF…THEN…”规则分别完成单一波段融合后的图像模糊推理,提取目标运动航迹,最后通过融合双波段的航迹实现弱小目标的检测．仿真实验结果表明,该算法通过模糊推理克服了 “硬”判决带来检测概率低的缺点,利用双波段红外图像融合提高了检测性能,可以有效地检测出低信噪比红外图像序列中的弱小运动目标．     

一种改进的水下偏振图像融合算法研究

针对传统图像融合算法造成的对比度低、细节信息模糊等问题,提出了一种改进的基于二维离散小波变换的图像融合算法.利用光强度相机和分焦平面相机同时对水下运动目标进行探测,获得光强图像和偏振图像.将计算得到的偏振度图像和偏振角图像先进行简单的融合处理,再将融合后的偏振特征图像与光强图像采用改进的二维离散小波变换进行分解,得到低频分量和高频分量.对于低频部分,提出一种基于区域方差加局部能量相结合的图像融合算法;高频部分采用一种基于Sobel算子的图像融合算法.最后将低频分量与高频分量进行二维离散小波重构,得到结果图像.仿真结果表明,与传统图像融合算法相比,该算法获得的融合图像有效地拉升了目标与背景的对比度,增强了水下图像视觉效果,有利于准确识别水下运动目标.     

多分辨率图像基于分步式滤波的融合算法

在多个传感器对同一个目标场景获得多个分辨率是非整数倍关系的图像的情况下,该文提出了基于分步式图像滤波的融合算法。首先利用小波多尺度分解变换获取相应的低频子图像,并将图像间分辨率的关系从非整数倍转化到整数倍。然后采用分块建模方法,以卡尔曼滤波器为工具,对图像进行分步式融合估计,从而获得目标场景基于多个观测图像的融合结果。最后用仿真实验验证新算法的可行性与有效性。     

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。     

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%.     

红外图像与可见光图像融合算法研究

红外图像和可见光图像反映不同拍摄仪器下目标景物的不同特征。首先,通过小波分解得到高频分量系数和低频分量系数,高频系数和低频系数分别处理,高频系数采用邻域区域相关性方差的规则,低频系数采用梯度求和加权的规则。然后进行逆变换得到融合图像。最后利用信息熵、平均梯度、互信息方法对图像的融合效果进行综合评价。得到实验结果,融合图像包含更多的信息量,更有助于人眼的判断与观察。     

基于小波变换图像融合的镁熔液弱小目标检测

针对镁熔液图像中第一气泡不易检测的问题,提出1种基于小波图像融合与罗宾逊滤波法相结合的检测算法。利用小波变换将第一气泡析出前后的各2帧图像分别分解为多尺度的低频分量和高频分量,根据融合规则对所获得的低频分量和高频分量分别进行处理,获得融合图像;对2帧融合图像分别进行罗宾逊滤波,再通过形态学开运算处理,检测弱小目标。对比分析融合图像与原图像,结果表明融合图像一定程度上可弥补信息缺失,补充图像细节,信噪比得到提高。并将罗宾逊滤波效果与加权均值滤波效果和中值滤波效果进行对比分析,结果表明,采用罗宾逊滤波后的图像信噪比提高了1倍以上,对比度提高了约13倍。实验结果验证了本文方法检测镁熔液第一气泡的有效性。     

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。     

基于迁移学习及特征融合的现勘图像检索算法

为了改善有限的现勘图像数据量在训练卷积神经网络(convolutional neural network,CNN)时易产生过拟合现象的情况,以及更精准地描述图像内容,提出了基于迁移学习的两种CNN特征级联以及与图像低层特征融合的现勘图像检索算法。首先利用目标图像集对两个预训练CNN模型进行微调,分别提取其fc7层的特征并级联作为图像的高层特征,再与适合本目标图像集的低层特征进行融合,以此作为特征进行图像检索。在现勘图像数据库上的测试结果验证了算法的有效性,并在GHIM-10K数据库进行测试,结果证明了算法的普适性。     

小波包变换的图像融合技术的研究

图像融合技术是把同一目标的多幅图像融合成一幅高质量的图像.给出了一种基于小波包变换的图像融合方法.对两幅图像分别进行小波包分解,得到两幅图像的小波包分解系数,进一步对小波包系数进行分析和处理.对两幅图像低频波段的逼近系数取均值,对高频段选取绝对值大的小波包系数,得到融合系数矩阵.对融合数据进行小波包反变换,得到两幅图像的融合图像.使用该方法对两幅图像进行了融合,得到的融合图像汲取了两幅图像的优势,视觉效果较好.     

采用VGG19和低通滤波的红外与微光图像融合方法

针对当前单一传感器受其成像性能的影响,通常很难全面反映地物场景下的全部有效信息,从而产生场景信息难以准确识别的问题,提出了一种采用VGG19与低通滤波的红外与微光图像融合算法。首先,通过红外与微光探测器得到地物场景信息,采用三维分布、直方图对比以及取反方式对图像进行处理,同时分析红外与微光图像目标特性,研究双频图像的光谱机理;其次,在此基础上,利用低通滤波方式分解红外与微光图像,得到其轮廓信息与显著信息,轮廓部分采用平均加权策略进行融合,显著部分采用VGG策略进行多层融合,进而融合重构图像;最后,与其他算法结果进行对比,并利用性能评估方法评价各融合算法。实验结果表明,该算法能够增强图像中场景信息的灰度,可以很好地提高场景亮度,解决了单频图像中场景信息抗背景干扰的问题。     

基于小波变换和多通道脉冲耦合神经网络的高光谱图像融合

针对高光谱多波段图像融合的问题,提出了一种基于小波变换和多通道脉冲耦合神经网络模型的新融合方法。该算法利用小波变换对图像进行多尺度分解,将得到的低频和高频系数分别采用多通道PCNN模型进行非线性融合处理,对低频子带直接利用其点火频率图得到融合结果,对各高频子带则利用点火频率图的直方图矢量重心及偏差计算自适应阈值并进行区域分割,对不同的区域采用不同的融合规则进行融合处理;最后进行小波重构得到融合图像。对OMIS高光谱图像的实验结果表明:所提方法能够有效地融合高光谱多个波段图像信息,且纹理细节信息突出。     

像素级图像融合技术在视频判读中的应用

在视频判读中,往往因目标丢失而不能准确地提取目标的脱靶量.而随着多传感器系统的广泛应用,采集到的数字图像具有多样性.利用多传感器图像的多样性,把图像融合技术应用于视频判读中,使在具有多传感器的观测设备上,图像融合算法可以针对来自不同传感器的多源图像信息,通过对多幅图像信息的提取与综合,从而获得对同一场景或目标的更为准确、全面、可靠的图像描述,以便更为精确地定位目标,以及在因环境因素某一传感器目标丢失时,不影响视频判读.     

激光照射监测系统可见光和红外图像融合方法

激光照射性能监测系统的激光照射命中是评估激光武器系统的重要指标之一。激光照射性能监测系统采用双传感器进行激光光斑和目标靶板的图像采集,提出了一种对所采集图像进行融合的方法:完成了图像中可见光图像与红外图像的配准、红外图像中激光光斑的提取、光斑提取图像与可见光图像的融合。提出的方法实现了视场范围不同、分辨率不同的可见光图像和红外图像的融合,融合后的图像真实再现了光斑照射的情景,图像中目标信息丰富明显、光斑轮廓清晰。     

PCA-CCA在红外与可见光图像特征融合中的应用

针对红外与可见光图像特征级融合提出一种基于PCA-CCA的融合方法.分别提取红外与可见光图像的特征,由于当特征维数较高时,基于CCA方法的目标函数会面临协方差矩阵奇异的问题,无法进行求解,因此首先利用PCA方法进行降维,然后在低维空间中利用CCA方法求解融合特征.通过实验证明,本文的方法能够有效地提取融合特征,并且识别效果高于单一的CCA融合方法.     

基于多传感器数据融合的合成孔径声纳运动补偿算法

利用集中卡尔曼滤波技术对多传感器数据进行融合得到运动误差最优估计值,实现比单一设备更高的量测精度.实验结果表明,经过数据融合后的运动补偿图像辐射性能得到提高,目标能量集中,聚焦良好.