基于双引导滤波的红外和可见光图像融合算法

图像融合是将多幅图像中有用或互补信息整合成一幅图像的过程。本文提出了一种基于引导滤波多尺度分解的红外和可见光图像融合算法。在传统的引导滤波图像融合算法的基础之上,利用双引导滤波器代替均值滤波器将源图像分解为小尺度纹理细节、大尺度边缘和基础图像;直接利用纹理细节及边缘层图像构建显著性映射图,用其代替额外的特征提取操作,可很好地突出源图像显著性信息的同时大大降低算法复杂度;利用显著性映射图、Sigmoid函数构造权重图,将源图像中具有视觉意义的信息注入到融合图像中;利用色彩模型转换融合方式,可更好保留图像的色彩信息。定性和定量实验结果证明,相比于传统的基于引导滤波的图像融合算法,本文算法的融合效果得到进一步提升。     

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。     

一种基于形态学梯度的多聚焦图像融合方法

多聚焦图像融合作为信息融合的一个重要分支，广泛应用于计算机视觉、医学诊断、数字成像等领域。文中针对现有融合算法存在融合图像易出现“块效应”等问题，提出了一种基于形态学梯度的多聚焦图像融合方法。该算法首先对源图像进行形态学梯度测量得到对应的得分矩阵，然后对得分矩阵进行四叉树分解得到初始分割图。进而利用形态学滤波和小区域滤波，除去边缘信息和小洞得到期望的决策图。实验测试表明，文中提出算法相对于现有的算法在结构相似度、峰值信噪比等定量指标上皆有较好的表现。     

自注意力引导的红外与可见光图像融合算法

为确保源图像中的显著区域在融合图像保持显著,提出了一种自注意力引导的红外与可见光图像融合方法。在特征学习层引入自注意力学习机制获取源图像的特征图和自注意力图,利用自注意力图可以捕获到图像中长距离依赖的特性,设计平均加权融合策略对源图像的特征图进行融合,最后将融合后的特征图进行重构获得融合图像。通过生成对抗网络实现了图像特征编码、自注意力学习、融合规则和融合特征解码的学习。TNO真实数据上的实验表明,学习到注意力单元体现了图像中显著的区域,能够较好地引导融合规则的生成,提出的算法在客观和主观评价上优于当前主流红外与可见光图像融合算法,较好地保留了可见光图像的细节信息和红外图像的红外目标信息。     

基于DT-CWT的红外与可见光图像自适应融合

针对低可见光图像和红外图像的特点,提出一种基于DT-CWT的自适应图像融合算法.该算法具有好的平移不变性和方向选择性,更适合于人类视觉.先对源图像作双树复小波变换,充分考虑各尺度分解层的系数特征,对低通子带引入免疫克隆选择,根据统计评价准则定义亲和度函数,自适应获得最优融合权值;对高通子带则根据人类视觉特性定义局部方向对比度,并作为融合准则,突出和增强了各源图像的对比度与细节信息.实验结果表明:与基于小波的融合结果相比较,本文的融合算法自适应性和鲁棒性更强,较好地保护和显示了源图像中的边缘和细节信息,对比度和清晰度都有所提高.     

基于多尺度局部极值分解与ResNet152的红外与可见光图像融合

为了进一步提升红外与可见光图像融合方法的性能 ,本文提出了一种基于多尺度局部极值分解与深度学习网络ResNet152的红外与可见光图像融合方法。首先,利用多尺度局部极值分解 (multiscale local extrema decomposition,MLED)方法将源图像分解为近似图像和细节图 像,分离 出源图像中重叠的重要特征信息。然后采用残差网络ResNet152深度提取源图像的多维显著 特征, 以l₁-范数作为活性测度生成显著特征图,对近似图像进行加权平均融合,以保持能量和残 留细节 信息不丢失。在细节图像中,利用“系数绝对值取大”规则获得初始决策图,源图像作为引 导图像, 初始决策图作为输入图像进行引导滤波处理,得到优化决策图,计算加权局部能量得到能量 显著 图,对细节图像进行加权平均融合,使融合图像具有丰富的纹理细节和良好的视觉边缘感知 。最 后,对近似融合图像和细节融合图像进行重构,得到融合图像。实验结果表明,与现有的典 型融 合方法相比,本文所提出的融合方法在客观评价和视觉感受方面都取得了最好的效果。     

交互信息加权的红外与可见光图像融合评价方法

红外与可见光图像融合质量评价问题的研究是其图像融合中一项重要而且急需解决的工作。综合考虑人眼的视觉特性及源图像和融合图像的边缘信息,在无标准参考图像条件下,提出一种基于交互信息加权的改进结构相似度和边缘信息保留值的图像融合质量评价指标。通过对红外与可见光图像采用不同融合算法进行的质量评价结果分析表明,评价结果与人眼主观相一致,是一种有效的图像融合质量评价方法。     

基于显著性的多波段图像同步融合方法

针对多波段融合图像存在对比度低、显著目标不突出的问题,本文提出了一种基于显著性的多波段图像同步融合方法。首先,近红外图像被用来作为数据保真项,红外图像和可见光图像分别为融合结果提供红外显著信息和细节信息;其次,基于视觉显著的红外显著区域提取方法被用来构造权重图,以克服融合结果显著区域不突出和边缘模糊问题;最后,采用交替方向乘子法（alternating direction method of multipliers, ADMM）来求解模型,得到融合结果。研究结果表明,较于代表性图像融合算法,所提算法能在保留红外图像热辐射信息的同时,保有较好的清晰细节,并在多项客观评价指标上优于代表性算法。     

融合相位一致性与二维主成分分析的视觉显著性预测

为了更加有效地预测图像中吸引视觉注意的关键区域,该文提出一种融合相位一致性与2维主成分分析(2DPCA)的显著性方法。该方法不同于传统的利用相位谱的方式,而是提出采用相位一致性(PC)获取图像中重要的特征点和边缘信息,经快速漂移超像素优化后,融合局部和全局颜色对比度,生成低层特征显著图。接着提出利用2DPCA提取图像块的主成分后,计算主成分空间中图像块的局部和全局可区分性,得到模式显著图。最后,通过空间离散度度量分配合适的权重,使两者融合,提取显著性区域。在两种人眼跟踪数据库上与5种经典算法的实验对比结果表明,该算法能更加准确地预测人眼视觉关注点。     

一种基于视觉显著性的图像融合算法

基于视觉显著特征提出一种新的图像融合算法.首先对源图像进行小波分解,得到低频系数和高频系数;然后针对低频系数提出一种基于视觉显著性的融合规则,对高频系数采用绝对值取大的融合规则;最后对融合后的低频系数和高频系数进行小波逆变换得到最终融合图像.该方法能完好地将源图像的细节融合在一起.仿真实验表明,该算法在视觉效果上比传统及改进方法更好,同时互信息、平均结构相似性、信息熵等传统客观评价指标有所提高.     

综合有向纹理特征及其在多光谱图像融合中的应用

纹理特征是多光谱图像中除光谱特征以外的一类重要的图像特征。该文通过对有向纹理特征的分析提出了综合有向纹理特征的概念,建立了求解综合有向纹理特征的方法,并在此基础之上提出了基于图像冗余小波域的综合有向纹理特征重要中心系数算法。该算法将多光谱图像的光谱信息与形态信息进行了有机的结合,在保持源图像光谱特征的同时也考虑到了纹理特征对于融合效果的影响。对模拟及真实多光谱图像融合实验结果的主观视觉评价、客观定量分析说明该算法与现有的同类多光谱图像融合算法相比,能够更有效地融合源图像信息、更好地保持源图像纹理特征。     

一种基于视觉显著性的SAR图像弱目标检测算法

针对传统的恒虚警率(CFAR)算法应用于SAR图像弱目标检测存在虚警率高的问题,提出一种基于改进型Itti视觉显著性模型的新算法。该算法首先获取SAR图像的局部方差特征图、亮度频率特征图和全局对比度特征图,然后将特征图经高斯模糊和归一化后,将其非线性融合生成原始SAR图像尺度的显著图,最后从显著图中提取视觉显著性区域作为最终的检测结果。仿真结果表明,通过和改进型CFAR、相干CFAR和二维Otsu检测三种算法的检测性能对比,该算法在检测准确率和时间复杂度上均具有良好的性能。     

针对人类视觉系统的双波段红外图像融合算法研究

提出了一种针对人类视觉系统的双波段红外图像融合算法。首先采用非下采样Contourlet变换把源图像分解成尺多度、多方向上的子带,然后采用绝对值最大算子的方法对高频部分进行融合,采用基于区域方差的方法对低频部分进行融合,最后进行重构得到融合图像。对试验中采集的双波段红外图像进行了融合实验,并将融合效果与梯度金字塔变换方法和小波变换方法进行了比较。实验结果表明,针对人类视觉系统的双波段红外图像融合算法有效可行,可以获得比常用的算法更好的融合效果。     

一种基于提升小波变换的图像融合

提升小波被称为第二代小波,拥有传统小波的优点,却比传统小波概念简单,计算量大大减小,算法更易于硬件实现,是实现实时图像融合系统的有效手段。针对可见光与红外图像融合这个研究热点,提出了一种基于提升小波变换的图像融合算法。实验结果表明,该算法使得融合图像最大限度地包含了源图的信息,且边缘信息也被很好地保留了,是一种高效的融合算法。     

基于二维经验模态分解和高斯模糊逻辑的红外与可见光图像融合

针对传统多尺度图像融合方法容易损失可见光图 像细节、弱化红外目标信息和降低图像对比度的 问题,基于二维经验模态分解(BEMD)和高斯模糊逻辑(GFL)的特性,提出了一种红 外与可见光 图像融合的算法。首先,使用BEMD对源图像进行分解,得到图像的本征模(高频成分)和 趋势项(低频 成分);其次,用GFL对趋势项进行恰当的融合,使用基于邻域特征的区域对比度法融合图 像的本征模; 最后,通过BEMD逆变换得到融合图像。实验结果表明,与传统的多尺度融合方法相比,在 主观上视觉上, 本文融合算法能够更有效地保留源可见光图像中的细节信息,并突出红外图像中的目标信息 ,提高融合图 像的质量;在客观评价指标上,本文融合算法的结果在信息熵(IE)、标准差(SD)、平均梯度(AG)、互 信息(MI)和空间频率(SF)5个客观指标上明显优于传统的多尺度融合方法。     

基于改进颜色传递策略与NSCT的红外与可见光图像伪彩色融合

提出一种基于改进颜色传递策略与非下采样Contourlet变换(NSCT)的红外与可见光图像伪彩色融合算法。首先,利用NSCT与基于清晰区域的Canny边缘检测算法获得灰度融合图。其次,将融合灰度图像插入Y通道,源图像与融合灰度图像之间的残差图像分别插入Cb、Cr通道以生成YCbCr源彩色图像。最后,利用本文设计的颜色传递模型对源彩色图像和目标图像进行色彩颜色统计匹配,同时,通过自适应颜色传递参数模型调整颜色传递参数。实验结果表明,本文提出的融合算法使得伪彩色融合图像不仅对比度高、传递色彩自然、可以较好地抑制色彩渗入图像目标,而且对目标图像质量要求不严格。     

边缘保护滤波的多焦点图像融合算法

基金项目：。摘要：已有的多焦点图像融合算法要么基于不含噪声的源图像假设,要么进行高频滤波时造成边缘特征的破坏;针对这些不足,提出边缘保护滤波的图像融合算法。首先利用局部细节特征的各向异性,建立了能够同时去噪和融合的能量函数,然后采用多焦点特征加权的融合规则,建立了能量函数的迭代求解策略。实验结果表明,算法的残留噪声更少,结构相似度和视觉融合质量更高。     

改进的ROMP算法及其在医学图像融合中的应用

针对正则化正交匹配追踪(ROMP)算法在压缩感知(C S)重构中需预估稀疏度导致重构精度不稳定的问题,提出一种改进的 ROMP算法。由于观测信号能够继承原始信号特征,在选择候选集原子过程中引入自适应弱 选择标准,依 据观测信号的信息量设定弱选择标准,实现稀疏度自适应调整。将改进ROMA的算法应用于CS 框架下的医学图 像融合,并提出一种结合观测信号结构相似度的融合规则,当待融合的观测信号之间结构相 似度较高时, 说明待融合的原始信号之间同样具有相似性,以两者信息量的加权作为融合规则。同理,当 待融合的观测 信号结构相似度较低时,选择信息量较大的观测信号作为融合后的观测信号。实验结果表明 ,改进ROMP 算法的重构图像质量优于OMP、ROMP、SAMP等算法,其峰值信噪比(PSNR )提高了2~3dB。应用于医学图像 融合时,得到融合图像具有较好的人类视觉特效,保留了源图像中大部分特征信息,可在较 短时间内得到优质的融合结果。     

基于深度学习的无监督红外图像与可见光图像融合算法

卷积神经网络(CNN)由于出色的性能,被逐渐应用于图像融合领域.对于红外图像和可见光图像的融合任务而言,由于没有标签数据,对其进行无监督的学习建模具有重要意义.针对这个问题,提出了一种无监督的端到端的深度融合算法,该算法可以由输入的红外源图像和可见光源图像,直接预测出包含源图像显著信息的融合图像.所提算法构建了一个自编...     

基于多尺度细节的孪生卷积神经网络图像融合算法

图像融合将来自不同捕获条件或不同传感器的互补图像进行融合以提高图像的视觉质量。针对这一任务,本文提出一种改进的滚动引导滤波与神经网络相结合的多尺度融合算法。首先,使用孪生卷积神经网络学习图像特征,并以此获得包含源图像显著特征的权值映射图。随后,使用改进的滚动引导滤波对图像进行多尺度分解,结合信息熵使滚动引导滤波权重参数自适应化来实现多尺度自适应分解,并结合非线性映射增强图像细节信息。最后,采用局部能量与权值图相结合的自适应调整融合模式对多尺度图像进行融合。经实验对比,所提方法能够避免出现图像边缘圆晕效应,且能够更好地突出图像边缘、细节纹理特征。另外,与其他算法相比,本文所提出的算法在平均梯度、信息熵、视觉信息保真度以及空间频率等客观评价指标项上均取得了更优的性能表现。