多传感器图像融合效果评价方法研究

采用多传感器图像融合方法，利用信息在多个测度空间的互补性可得到更多的有用信息。融合后的图像应保留原图像的重要细节，且不引入会影响图像后续处理的虚假信息，这就需要对融合的效果进行评判，而融合图像质量的评价问题目前还是图像融合研究的一个薄弱环节。讨论了融合图像质量的评价问题，提出带反馈信息图像融合的结构模型。评述了融合图像的单因素评价、模糊积分综合评价、D—S证据理论综合评价、粗糙集理论的评价方法、以信息量为标准的评价、加权求和法综合评价等方法。     

融合注意力的生成式对抗网络单图像超分辨率重建

基于深度学习的单图像超分辨率重建方法已经比较完善,重建图像具有较高的客观评价值或具有较好的视觉效果,但是图像感知效果和客观评价值不能均衡提升.针对这一问题,提出一种融合注意力的生成式对抗网络单图像超分辨率重建方法.首先去掉残差网络中会破坏图像原本的对比度信息、影响图像生成质量的批归一层,其次是构造注意力卷积神经网络残差块,可有效地在特征映射中进行自适应特征细化,改善重建结果在大尺度因子下缺乏高频信息和纹理细节的问题,最后构造像素损失函数,使用鲁棒性较好的Charbonnier损失函数替代均方差损失函数,用总变差正则项平滑训练结果.实验结果表明,在4倍放大因子下,与其他方法在Set5、Set14、Urban100、BSDS100测试集上进行测试比较,本文方法峰值信噪比平均值提升2.88 dB,结构相似性平均值提升0.078.实验数据和效果图表明,该方法主观上具有丰富的细节,客观上具有较高的峰值信噪比值和结构相似性值,实现了视觉效果和客观评价指标值的均衡提升.     

一种基于小波多尺度边缘检测的图像融合算法

该文提出了一种新的基于多尺度边缘检测的小波图像融合方法,是一种利用图像边缘特征的小波图像融合方法,融合过程利用了图像的多尺度边缘信息。为了更好地保持图像的边缘,该文在图像融合过程中将图像去噪与边缘检测相结合。提出了一种物理意义明确的小波最佳分解层数的确定方法。利用统计分析的评判准则,如熵、标准偏差等,评价二维多聚焦图像不同小波分解层的融合效果,表明该方法提高了图像的熵和标准偏差的值,算法效果良好。     

新型可见光和红外图像融合综合评价方法

针对单一因素指标对图像融合质量评价的局限性,提出了一种异源图像融合质量评价模型.首先,计算出各融合图像的多种典型图像融合客观评价值,利用离散化将每项指标分为三类;然后运用粗糙集对进行约简,消除冗余以及冲突指标,将简化的指标作为BP神经网络的输入样本,将融合图像的主观评价结论样本作为模糊期望输出,通过学习生成网络;最后输...     

直觉模糊在红外与可见光融合质量评价的应用

为了利用多个指标实现红外与可见光图像融合质量全面、客观的评估,提出了基于直觉模糊的红外与可见光融合质量评价方法.在评估过程中,采用熵权法确定评价指标的权重,采用正标准向量和负标准向量定义直觉模糊数,最后应用直觉模糊决策中的记分函数获得红外与可见光图像融合质量评价值.结果表明:所提基于直觉模糊决策的红外与可见光图像融合质量综合评价是有效的,且区分度较高.     

图像融合的量化评价方法及实验分析

图像融合是图像信息的综合处理，是将同一对象的一个或更多的图像合成在一幅图像中，以便比原来的任何砷岳图像更容易地为人所理解。介绍了图像融合的各种评价方法，包括：熵、交叉熵、交互信息量、均方误差、均方根误差、峰值信噪比。本文利用sym4小波变换的方法进行融合，将融合结果用各种量化评价方法进行了比较，结果表明交叉熵与交互信息量是行之有效的评价方法。     

面向目标识别的图像融合效果评价方法

在融合效果主观评价的基础上,针对目标探测识别领域,概括出一些重要的融合效果评价指标,即标准差、熵、交叉熵、互信息和模糊Choquet积分等,并提出了一种基于目标提取的图像融合效果客观评价方法.鉴于实验评价方法的局限性,指出应结合分析评价方法才能实现更全面的融合效果评价.     

基于FWA的红外偏振图像智能融合方法

针对红外强度图和红外偏振度图融合问题,提出了基于烟花算法优化空域加权平均法的智能图像融合方法。在构建优化问题模型的基础上,确定了烟花算法的边界条件。通过引入相对熵权值建立了基于综合相对熵的适应度函数。最后,与6种典型的传统融合方法在"ground"、"truck"、"car"3组红外强度和偏振度图像数据上进行了融合实验,对融合结果进行了客观评价和视觉效果评价。实验结果表明:所提方法可以有效实现红外强度图和红外偏振度图的融合,较好保留了红外强度和红外偏振特征。综合视觉效果和客观评价结果,在相对熵、总结构相似性、总互信息指标上优于比较算法。     

基于多小波的高分辨率与多光谱图像融合

为了将高分辨率与多光谱图像进行有效地融合,本文提出了一种将 HIS 变换,多小波变换及 PCNN神经网络相结合的图像融合算法。该算法首先采用HIS变换将多光谱图像分为 H、I、S 3个分量,然后使用多小波分别分解I分量和高分辨率图像得到各自的高频和低频分量,接着低频采用矢量融合,高频采用PCNN融合,最后采用多小波逆变换以及HIS逆变换得到融合图像。实验结果显示本文方法在融合时间、视觉效果及客观评价指标上综合效果比较好。     

利用量化判据进行多聚焦融合图像的重构分析

提出一种基于对比度视觉模型的图像融合自适应分块搜索算法,利用几种量化判据,即均方根误差、熵、交叉熵和互信息进行融合图像序列分析及效果评价,对同一场景两幅严格配准的多聚焦图像的清晰恢复进行了深入研究。通过大量的图像实验表明:无论是依据视觉的主观评价,还是客观评价准则,该方法能实现多聚焦图像对标准参考图像的精确重构或优化融合效果。     

多聚焦图像融合中最优双树复小波分解层数的选择

采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分析与重构,是一种高效的融合方法。然而,分解层数的选择是影响该算法性能的重要因素之一。本文提出了一种基于信息熵、互信息量、边缘融合质量和加权融合质量等融合质量评价指标确定最优分解层数的方法。实验结果表明,不同的原始图像用同种融合算法分解重构,最优分解层数不一定相同;相同的原始图像用不同的融合算法分解重构,最优分解层数也不一定相同。因此,只有综合考虑多种代表性的评价指标,才能确定最优分解层数。     

High dynamic range imaging with short- and long-exposures based on artificial remapping using multiscale exposure fusion

High dynamic range imaging (HDRI) is an excellent high-quality image acquisition technique, which can reflect real human visual characteristics from one (or several) captured low dynamic range (LDR) image. However, the input LDR image only provides partial information of the scene. Besides, in traditional HDRI methods that require multiple captured images as input, field of view errors can be induced, which will be difficult to apply it to the emerging image acquisition systems. Here, we propose a novel HDRI method that reconstructs an HDR image from only a pair of short- and long-exposure images based on artificial remapping using multi-scale exposure fusion. Firstly, we introduce a simulated exposure model called artificial remapping to synthesize a multi-exposure image sequence from the input LDR image pairs. Then, weighting maps of the sequence for fusion can be obtained according to the evaluation factors of contrast, saturation, as well as improved exposedness. Finally, we utilize the pyramid based multiscale exposure fusion framework to integrate them into an enhanced HDR image. Comparative experiments, fully implemented on some source images, have been demonstrated that better performance can be realized compared with some competing methods in qualitative and quantitative evaluation. Note that the operation of the proposed method is simple yet effective, which is easy to popularize. The method thus can be potentially applied to the emerging image acquisition systems where two images are captured simultaneously by two image sensors or by one image sensor with a pair of short- and long-exposure setting.     

Face Image Recognition Based on Convolutional Neural Network

With the continuous progress of The Times and the development of technology,the rise of network social media has also brought the“explosive”growth of image data.As one of the main ways of People’s Daily communication,image is widely used as a carrier of communication because of its rich content,intuitive and other advantages.Image recognition based on convolution neural network is the first application in the field of image recognition.A series of algorithm operations such as image eigenvalue extraction,recognition and convolution are used to identify and analyze different images.The rapid development of artificial intelligence makes machine learning more and more important in its research field.Use algorithms to learn each piece of data and predict the outcome.This has become an important key to open the door of artificial intelligence.In machine vision,image recognition is the foundation,but how to associate the low-level information in the image with the high-level image semantics becomes the key problem of image recognition.Predecessors have provided many model algorithms,which have laid a solid foundation for the development of artificial intelligence and image recognition.The multi-level information fusion model based on the VGG16 model is an improvement on the fully connected neural network.Different from full connection network,convolutional neural network does not use full connection method in each layer of neurons of neural network,but USES some nodes for connection.Although this method reduces the computation time,due to the fact that the convolutional neural network model will lose some useful feature information in the process of propagation and calculation,this paper improves the model to be a multi-level information fusion of the convolution calculation method,and further recovers the discarded feature information,so as to improve the recognition rate of the image.VGG divides the network into five groups(mimicking the five layers of AlexNet),yet it USES 3*3 filters and combines them as a convolution sequence.Network deeper DCNN,channel number is bigger.The recognition rate of the model was verified by 0RL Face Database,BioID Face Database and CASIA Face Image Database.     

PCNN原理及其在图像处理中的应用研究

脉冲耦合神经网络是依据对猫视觉皮层神经元脉冲串同步振荡现象的研究而发展形成的新型人工神经网络模型。根据脉冲耦合神经网络的原理和模型,分析其特性,研究并总结了它在图像处理中的应用,如图像分割、图像去噪、图像增强、图像融合等。根据脉冲耦合神经网络目前的国内外研究现状,指出今后的研究重点。     

基于场景理解的双波段彩色融合图像质量评价

图像质量评价是双波段彩色融合处理算法及系统评价的基础,文中研究了一种可见光与红外彩色融合图像质量评价方法。提出了基于场景理解的图像感知质量PQSU 综合评价指标,选择三类典型场景彩色融合图像进行了主观视觉评价实验; 通过对已有评价指标与PQSU 综合指标的主观评价实验结果进行多元线性回归分析,建立了PQSU 的预测模型。结果表明:融合图像的场景颜色协调性与自然感高度相关;利用图像清晰度和颜色协调性可以有效地预测PQSU;针对不同场景类型,已有评价指标在PQSU 的预测模型中所占的权重有所不同,但预测模型的基本形式保持不变。文中提出的PQSU 及其预测模型为进一步发展融合图像质量客观评价模型奠定了基础。     

基于多源数据融合技术的情报侦察系统效能评估体系

多源数据融合技术因具有多类数据源,可多层次、全方位感知信息,已被广泛应用于军事领域.但目前缺少一个统一的评价体系,用于指导和规范多源数据融合情报侦察系统的效能评估.为了全面评价和比对多源信息融合情报侦察系统各方面的性能,在分析相关理论的基础上,建立了一个合理的且相对全面的评价指标体系,覆盖了多源数据融合情报侦察系统各方面的属性,并分析了评价体系与指标体系之间的关系.该项研究丰富了多源数据融合效能评估理论和方法,可用于指导和规范多源数据融合情报侦察系统的效能评估工作,并有效地提高了系统的综合作战能力.     

小波域结构相似度融合图像质量评价方法

针对融合图像质量评价问题,分析了图像质量评价与融合图像质量评价的关系,给出了融合图像质量评价方法的一般表达公式,指出构造实际并不存在的参考图像是解决融合图像质量评价问题的关键。在此基础上,基于空域结构相似度评价方法,对输入源图像和融合图像分别进行小波分解,利用输入源图像小波分解系数构造参考图像小波系数,然后根据人眼视觉敏感度带通特性对参考图像和融合图像的各小波频带进行加权,从而得到整幅图像的小波域结构相似度评价指标,利用目标可探测性、细节可分辨能力和图像整体舒适性构成主观评价指标分别和交互信息量、基于空域的结构相似度比较。实验结果表明,相比于传统的客观评价方法,提出的方法所得结果与主观评价结果的一致性更好。     

夜视抗晕光融合图像自适应分区质量评价

针对夜视晕光场景中,高亮度晕光信息导致现有红外与可见光融合图像评价方法失效的问题,该文提出一种自适应分区的融合图像质量评价方法。该方法根据可见光图像的晕光程度自动确定自适应系数,并通过迭代计算可见光灰度图像的晕光临界灰度值,将融合图像自动分为多个晕光区和非晕光区;在晕光区由设计的晕光消除度指标评价融合图像的晕光消除效果;在非晕光区从融合图像自身特性、对原始图像信息保留程度以及人眼视觉效果3方面评价融合图像纹理色彩等细节信息的增强效果;通过对4种不同抗晕光算法的融合图像进行评价分析,甄选出9种客观评价指标构成夜视抗晕光融合图像质量评价体系。不同夜视晕光场景下的实验结果表明,所提方法能够全面、合理地评价红外与可见光融合的抗晕光图像质量,解决了融合图像晕光消除越彻底客观评价结果反而越差的问题,也适于评判不同抗晕光融合算法的优劣。     

基于偏振成像的可见光图像增强

为了改善可见光图像质量,提高对隐藏在自然背景中人造目标的探测率,采用了基于偏振成像的可见光图像增强方法,很好地凸显出人造目标,提供更多的细节与纹理信息。利用偏振成像方式获取偏振度、偏振角和椭率角图像,对多维偏振图像中的像素点在邦加球内进行聚类得到偏振特征图像,运用双树复小波对光强图像和偏振特征图像进行分解,低频子带采用主成分分析法,高频子带选用区域方差特征匹配的融合策略,得到增强图像。进行了户外实验,并理论分析得到了各个图像的性能指标数据。结果表明,增强后的图像较原图像具有更加丰富的图像细节与偏振目标信息,该方法有效可行,对目标识别与探测具有一定意义。