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。     

红外与微光融合图像的多尺度色彩传递算法

针对红外与微光的灰度融合图像不利于人眼观察的问题,提出了一种在YCbCr颜色空间的基于多尺度多分辨率分析的色彩传递算法,帮助观察者获取丰富的场景信息和舒适的观察效果。该算法首先在Y通道将红外和微光图像进行灰度融合;然后将灰度融合图像和彩色参考图像的Y分量做拉普拉斯金字塔分解,比较其金字塔各层系数差异,综合各层系数差异找出最佳匹配点;最后将参考图像中最佳匹配点的Cb和Cr值传输到灰度融合图像中,生成最终的具有自然色彩的融合图像。实验结果表明,本文方法生成的彩色融合图像接近自然真实的颜色,有利于人眼对目标的观察与场景的理解。     

基于稀疏表示和色彩传递的图像融合与彩色化

针对红外图像和微光图像的特点,提出一种基于稀疏表示和色彩传递的双波段图像融合与彩色化方法。该方法首先采用改进的基于K_SVD的分块稀疏表示获得红外与微光图像的稀疏融合图像,然后在YUV空间采用基于色彩传递的自然感彩色夜视处理技术,对红外与微光图像进行彩色化融合,最后用稀疏融合图像的灰度值代替彩色融合图像的Y分量,从而实现双波段图像的融合与彩色化。实验表明,本文提出的彩色融合算法能够综合红外与微光特征信息,且使图像具有最佳的亮度对比和细节信息,图像色彩更易于人眼观察。     

基于颜色传递和目标增强的夜视图像彩色融合

颜色传递是获得夜视图像自然彩色的一种方法,以红外和微光图像为研究对象,提出了一种基于颜色传递和目标增强的夜视图像彩色融合方法。首先结合红外和微光图像各自的特点,采用TNO法生成伪彩色融合图像(目标图像),很好地保留了图像的细节信息,然后选取一幅相近的参考图像,把目标图像和参考图像转换到YCbCr颜色空间进行各个通道一阶(均值)和二阶(标准差)统计量匹配的颜色传递,同时在Cr通道引入一个对比度增强因子来增强图像中的兴趣目标。实验结果表明,文中方法不仅使得夜视图像获得了如白天参考图像般自然、真实的色彩,而且提高了图像的细节,目标也更加突出,更有利于观察者对场景的理解。     

基于小波和色彩传递夜视图像彩色融合算法研究

针对传统彩色图像融合存在色彩不自然和运算复杂的缺点,提出了基于小波和色彩传递夜视图像彩色融合算法。该算法的核心思想是把源图像RGB空间转换到YUV空间,然后利用小波变换把源图像和参考图像分别进行分解,并对结果中的一阶统计量和二阶统计量进行计算,最后把参考图像的统计量传递给源图像,此时参考图像和源图像的统计量是相同的,把经过处理过的源图像通过小波逆变换传递到RGB空间,测试结果表明,此算法具有图像细节更加丰富,边缘突出的优点。     

基于颜色对比度增强的红外与微光图像彩色融合方法

针对用传统的颜色传递算法得到的彩色融合图像 存在目标与背景颜色相近、目标变淡的问题,提出了一种基于颜色对比度 增强的红外与微光图像彩色融合方法。首先对红外和微光图像进行 了伪彩色融合,然后对彩色参考图像与伪彩色融合图像进行了颜色传 递。其次,采用大津分割法分割出了微光图像中的目标信息,并得到了目标 区域。最后,在HSI颜色空间中利用目标区域对颜色传递后的融合图像 的H、S、I分量进行了调整,并得到了最终的融合图像。实验结果表明,利 用该方法得到的彩色融合图像具有目标与背景对比度高、细节丰富、色 彩较好等特点,可提高人眼对场景的理解和对目标的快速识别。     

基于多核DSP 的微光与红外图像彩色融合系统

针对微光与红外图像彩色融合实时性强、数据量大的特点,提出了一种基于多核DSP 的微光与红外双波段图像实时融合系统。选用Altera 公司带串行收发器的FPGA Cyclone IV 完成图像的采集、预处理和外围设备的控制,采用TI 公司最新的8 核高性能DSP TMS320C6678 完成图像融合。通过SRIO(Serial RapidIO)接口实现两者之间的数据传输,完成双波段图像融合和色彩传递,将彩色图像的颜色信息传递给融合图像。该系统可以实现有效的图像融合和色彩传递,适合双波段视频自然感彩色融合系统应用。     

夜视图像局部颜色传递算法

针对基于全局统计信息颜色传递过程中存在的染色效果不能很好保持图像色彩的自然性,局部区域颜色与真实场景的颜色不符、目标变淡的问题,提出一种夜视图像局部颜色传递算法。首先,采用稀疏表示的方法对红外与微光图像融合;其次,对得到的融合图像进行非线性扩散,扩散结果采用核模糊均值聚类算法进行图像分割;然后,在YCbCr颜色空间对红外与微光图像块进行颜色传递;最后,把得到的彩色图像块组合成一幅图像,随后用得到的灰度融合图像来表征YCbCr空间的Y通道。实验结果表明,文中算法得到的彩色图像更加自然、真实。     

基于融合和色彩传递的灰度图像彩色化技术

针对传统色彩传递过程中容易出现色彩误传的现象,研究一种基于融合和色彩扩展的灰度图像彩色化技术,首先利用图像融合技术对微光图像和红外图像进行融合,将融合后的图像作为目标图像,然后利用改进的welsh色彩传递算法对目标图像进行上色得到精确匹配的局部彩色化图像,最后利用最小二乘优化方法对得到的局部彩色化图像进行优化。实验结果表明该算法修正了传统算法中色彩误传现象,验证了算法的正确性。     

面向微光/红外融合彩色夜视的场景解析方法

彩色夜视技术可以将微光/红外双谱图像融合成一幅适于人眼观察的彩色图像,而恰当的场景解析方法能够对彩色夜视图像的内容做出自动化分析,进一步减轻人眼的观测负担。针对彩色夜视场景丰富多变、对算法灵活性要求高的特点,提出了一种可在线扩展的场景解析方法。该方法基于非参数模型,预测景物类别时不需要训练过程,只需要使用数据库中具有语义标记的样本图像, 通过将待解析图像与样本图像进行全局及局部匹配来实现语义标签的传递。而且,数据库可以根据应用场景的不同随时进行动态扩充。实验结果表明:该方法在包含城市、乡野等多种场景的夜视图像上,以及由统计色彩映射、TNO、NRL等多种融合方法得到的、具有不同色彩表征的彩色夜视图像上都具有令人满意的准确率。     

红外中波细分图像的伪彩色增强

提出了基于lαβ颜色空间变换和小波包变换的红外中波细分波段图像的伪彩色增强方法.利用lαβ变换将两个细分波段RGB彩色映射的伪彩色图像的颜色和亮度信息分离,通过二维小波包变换得到两个细分波段的融合图像,将融合图像和颜色信息经过lαβ逆变换形成伪彩色增强图像.实验结果表明,同简单彩色映射图像相比,伪彩色增强图像的局部标准偏差和局部熵都有增加,从而使图像具有更好的感知效果.     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

彩色夜视技术方法综述

为了得到具有自然彩色的夜视图像, 彩色夜视技术的研究成为夜视技术研究领域的一大热点。介绍了夜视技术的发展概况和获得具有自然感彩色夜视图像的彩色夜视技术手段, 主要可分为硬件方式和软件合成的方式, 其中软件方式主要有基于多传感器图像融合的方法和基于色彩传递的方法。详细介绍了两种方式的技术方案, 并对彩色夜视技术做出了技术展望。     

基于小波变换和改进Top-Hat滤波的红外小目标检测

提出了一种基于小波变换与改进Top-Hat滤波的有效地红外小目标检测算法。该方法首先对红外图像进行单层小波分解,分别得到近似、水平、垂直和对角四个分量;接着,对近似分量进行改进Top-Hat滤波,并将滤波结果与原近似分量进行差分,得到差分图像,将其再与水平分量进行融合形成新的近似和水平分量。同时将垂直和对角分量的小波系数置零,进行小波重构。最后,为了进一步凸显红外小目标,采用了基于直方图的灰度变换方法对重构图像进行增强。实验结果证明本文所提出的算法能准确地检测出红外小目标,且鲁棒性较好。     

基于小波变换的双波段红外图像融合方法

针对红外探测器长波图像和中波图像的特征,采用基于小波变换的方法实现双波段红外图像的融合。在对不同波段红外图像小波分解的基础上,对低频子带图像采用加权平均,对高频子带图像采用区域能量最大的融合规则得到融合图像的多分辨率结构,再利用小波逆变换重构融合图像。仿真结果表明,和普通基于空域加权平均的方法相比无论从主观视觉还是通过客观评价指标的计算结果来看,基于小波变换的双波段红外图像融合方法均具有更为理想的图像融合效果。     

人工鱼群算法优化的小波图像融合

针对甲状腺肿瘤的B超、核素图像和颅腔横断面的CT,MRI图像,提出一种使用人工鱼群算法寻优的小波图像融合方法。利用小波变换将源图像进行小波分解,得到源图像的低频部分和高频部分。低频部分的系数使用加权融合算法进行融合,为使融合结果包含足够的信息量,以综合熵作为适应值对低频部分使用人工鱼群算法进行优化,得到融合系数的最优权值。高频部分的系数采用取绝对值最大的融合规则。通过小波逆变换得到融合图像。实验过程中,分别对这两组医学图像进行融合。客观评价参数表明该算法能够得到更优的融合图像。     

激光夜视图像分型分割算法研究

为解决以往采用关联规则挖掘算法对图像进行分割时,对于夜视图像中灰暗区域中颜色特征以及前景/背景特征的采集能力差,不能有效判定图像的多尺度分型特征,分型分割效果差的问题。研究激光夜视图像分型分割算法。先利用计盒维数估计方法计算激光夜视图像分型维数尺度,通过分型维数尺度获取激光夜视图像的多尺度分型特征值,将利用多尺度分型特征值获取的多尺度分型特征约束与图像颜色约束相结合获取多尺度分型特征数据项,融合该多尺度分型特征数据项与通过图像中相邻区域顶点颜色距离获取的光滑项,并加入自适应比重系数获取能量函数,利用最大流/最小割算法求解能量函数最小值,实现激光夜视图像的分割。实验结果表明,该算法可准确分割激光夜视图像中人物目标特征,分割10幅激光夜视图像准确率以及均匀性测度平均值均在95%以上。