基于红外目标分割的图像融合方法研究

针对红外图像中目标图像灰度分布集中,微光图像灰度分布相对均匀的特点,提出了一种先提取红外图像中的热目标,然后以微光图像为背景进行图像融合的方法.实验结果表明,该方法在保留微光图像高空间分辨率和丰富纹理细节信息的同时,又突出了红外图像中的热目标.     

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。     

夜视图像的彩色融合方法综述

介绍了夜视图像彩色融合的假彩色法、TNO法与MIT法,重点分析了MIT法的发展过程.假彩色融合法计算量很小,容易实现实时处理,但缺点是色彩不太自然;MIT法用前馈型中心-周边分离神经网络模拟生物的彩色视觉特性,融合图像的彩色自然直观,可用于多种传感器的彩色融合;TNO法可看成MIT法的简单形式,计算简单,较易实现实时,色彩也较为自然,但只能融合二种图像.     

一种彩色夜视实时图像融合系统

在彩色夜视图像融合基础上,针对线性组合算法和直接映射算法实时性高的特点,提出了一种基于CPLD的双通道彩色夜视的实时图像融合系统,并阐述了其设计原理,系统的结构、特点和功能.用verilogHDL硬件描述语言实现了相关的算法和设计.实验结果表明,融合图像接近自然色彩,同时能够反映两个波段的图像的特点.该系统可以实现实时的线性组合算法和直接映射算法,将红外与微光或者微光与微光等不同波段组合,是一种简单、高效彩色夜视系统.     

微光图像与红外图像融合技术研究

图像融合技术在微光和红外图像处理中得到了广泛的应用.为了深入理解图像融合技术以及融合后的图像质量,首先分析了微光和红外图像的融合技术,对微光和红外图像进行了预处理,分析了微光和红外成像过程、图像增强技术、特征提取方法、图像配准等.重点研究了拉普拉斯图像融合、对比度调制融合、基于小波分解的图像融合技术.最后通过实验对这几种融合技术进行了比较,结果显示融合后的图像质量得到了改善,突出了目标轮廓和细节,方便了目标识别.     

目标增强的红外与微光图像融合算法

对于红外与微光图像融合,虽给为观察者提供了更多的图像信息,但是同时由于过多的背景信息反而掩盖了重要的目标信息,为了兼顾背景信息丰富和增强目标的需求,提出了一种新的目标增强的融合算法,首先改进了传统的顶帽变换算法,用来增强红外图像的目标信息,同时去除一些冗余的红外背景信息,然后利用人眼对颜色的敏感特性,将微光图像与红外图像通过色彩映射公式映射到相应的色彩空间进行融合,结果显示,该算法不但能提供丰富背景信息,同时也增强了重要的目标信息。     

基于红外运动目标分割的夜视融合系统设计

为了提高夜视系统的质量以及目标探测性能, 设计了红外视频运动目标与可见光融合夜视侦察系统。系统在硬件处理平台上实现了基于人眼视觉的红外运动目标分割算法和基于目标特性的加权融合算法, 采用红外运动目标分割电路和融合处理电路互联的结构, 首先利用FPGA为核心的红外目标分割电路提取红外视频中的运动目标, 然后将只有红外运动目标的视频输入后端DSP融合处理电路中进行融合处理, 最后从系统中输出一系列目标形态突出、背景细节清晰的融合序列。实验结果表明: 该系统可以提高夜视融合系统目标探测性能和探测概率, 融合结果的各项评价指标提高了90%以上, 有的评价指标甚至提高了7倍以上, 可以很大程度地降低系统的虚警率。     

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。     

红外偏振与红外光强图像的伪彩色融合研究

针对RGB和lαβ间转换过程复杂,运算速度慢,不便于用灰度融合图像直接代替亮度分量的问题,提出了一种基于YCαCβ空间的伪彩色融合方法.该方法首先对源图像进行基于特征差异的颜色映射,所得RGB图像通过YCαCβ变换提取亮度分量Y;然后采用新的融合规则对红偏振与光强图像进行了支持度融合,其中低频和高频分别采用目标背景分割和区域方差最大的融合规则;最后用融合结果代替亮度分量,再与Cα,Cβ分量进行YCaCβ逆变换,得到伪彩色图像.实验结果表明,与文献[8]方法比较局部方差提高21.5％、对比度提高1.15％、清晰度提高6.05％、运算速度提高30.5％,证明了本文算法的可行性和有效性.     

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。     

一种新的红外目标提取算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种结合图像统计特征和模糊聚类的红外图像目标提取方法对红外图像进行迭代分块,通过计算统计特征度量函数的极值来确定种子区域,进而获得红外目标约束区域。利用模糊聚类对该约束区域进行有效的聚类划分,最终实现红外图像目标提取。实验结果表明,该方法能够准确的对红外目标进行提取,便于下一步的红外目标识别与跟踪。     

基于多特征融合的红外图像分类研究

针对传统红外图像目标分类方法准确率低的问题,提出了一种用结合多特征融合的粒子群优化(Particle Swarm Optimization, PSO)算法来优化支持向量机(Support Vector Machine, SVM)的方法。该方法采用方向梯度直方图(Histogram of Oriented Gradient, HOG)和局部二值模式(Local Binary Pattern, LBP)两类特征描述红外图像中目标的轮廓特征和局部纹理,从不同的方面展现红外图像的特点,在图像的特征表达上具有一定的互补性。在特征提取后对样本数据进行凸包算法计算,得到一些具有代表性的样本数据,从而提高分类计算效率;在分类模型训练时,采用PSO算法优化SVM,寻找SVM的最优惩罚因子和核参数,从而提高分类模型的准确率。实验结果表明,多特征融合的分类模型的准确率比单一特征的分类模型提高近10%,且经PSO优化的SVM最终模型的分类准确率高达99%。     

基于关键帧提取的红外与可见光序列图像快速融合

针对静态图像融合方法对于序列图像无法同时满足融合速率及融合质量的问题,提出了一种基于关键帧提取的红外与可见光序列图像快速融合方法.首先对红外和可见光图像序列进行关键帧提取,为体现本文方法的普遍适用性,选取静态图像中融合效果好的算法将两序列中对应的关键帧融合,如小波变换以及主成分分析法.然后对剩余图像帧利用最简单快捷的加权平均算法进行融合.而且相较于现有的只针对于目标进行提取和融合来提高融合速率的序列图像融合方法,在不明确目标的情况下,本文方法对整幅图像进行融合,更加合理且融合结果更适合人眼观察.最后通过对同一场景相同帧数的红外与可见光序列图像进行融合,实验结果表明本文基于关键帧提取的融合方法快速且保证了融合质量.     

基于小波变换的红外图像融合算法研究

小波变换具有良好的多分辨分析特性,可用于可见光图像与红外图像的图像融合。一般情况下,对于分解后得到的低频分量采用加权平均的方法来进行简单处理,这对融合后图像的对比度和视觉效果有很大的影响。采用基于小波变换的图像融合算法来分别处理分解后的低频分量和高频分量,并与其他融合方法进行分析比较。实验结果表明,使用所提出的算法进行融合后的图像内容清晰,具有增强图像的空间细节能力,提高图像分辨效果和人眼对场景目标的发现和识别概率,在不影响互信息量值的情况下,融合后图像的边缘保持度提高了将近2倍。     

基于提升小波变换的红外图像融合算法研究

介绍了提升小波变换,提出了基于提升小波变换的图像融合方法,算法针对提升小波变换后的低频分量和高频分量的不同特点,选用了不同的融合准则进行融合,然后通过提升小波逆变换得到融合图像。通过分析可见光与红外图像的融合结果并与其他融合方法进行比较,实验结果表明,该算法使得融合后图像内容清晰,具有增强图像的空间细节能力,取得了较好的融合效果。     

一种改进Sobel算子的热红外影像边缘检测方法

热红外影像特殊的成像机理和特点,使影像中存在大量的噪声导致边缘信息模糊难提取。基于传统Sobel算子提出了一种新的边缘检测方法。首先利用数学形态学中的不同尺度、不同结构元素对具有随机噪声的热红外影像进行形态学去噪,再用 Otsu 算法对去滤波后的影像进行全局阈值分割,最后利用Sobel算子对其进行边缘提取。基于MATLAB仿真实验,结果表明：与传统的Sobel算子相比,该方法不仅有较强的抗噪性,而且检测出的边缘外部轮廓与内部细节特征表达较好,边缘具有连续一致性,是一种简单、快速的边缘检测新方法。     

Fusion of Infrared and Visible Images Based on Infrared Object Extraction

The ideal fused results of infrared and visible images, should contain the important infrared objects, and preserve the visible textural detail information as much as possible. The fused images are more consistent with human visual perception effect. For this purpose, a novel infrared and visible image fusion framework is proposed. Under the guidance of the model, the source images are decomposed into large-scale edge, small-scale textural detail and coarse-scale base level information. Among which, the large-scale edge information contains the main infrared features, on this basis, the infrared image is further segmented into the object, transition and background regions by OTSU multi-threshold segmentation algorithm. In the end, the fused weights for the decomposed sub-information are determined by the segmented results, so that, the infrared object information can be effectively injected into the fused image, and the important visible textural detail information can be preserved as much as possible in the fused image. Experimental results show that, the proposed method can not only highlight the infrared objects, but also preserve the visual information in the visible image as much as possible. The fused results are superior to the commonly used representative fusion methods, both in subjective perception and objective evaluation.     

基于多特征的红外与可见光图像融合方法的研究

红外图像包含物体的温度信息,但其存在对比性差、纹理弱等缺陷,限制了应用,目前基于融合的方法能有效改善红外图像的视觉效果,但局限于简单的直接融合,忽略了背景等因素所含噪声的影响及各部分细节信息。文章在这方面做了进一步的研究工作,改进了现有方法的融合规则,提出先将目标从背景中提取出来再以温度阈值及纹理特征为依据分层次分区域融合,从而在细节上极大地改进了目标的视觉效果,提高了效率。最后对融合效果进行了定量评价和比较。实验结果证明处理后的图像能够比原图像获得更丰富的视觉信息。     

基于聚类算法的红外图像伪彩色增强

文中根据红外图像的特点,提出了一种基于K-均值聚类的红外图像伪彩色增强的新算法.该算法通过对红外图像灰度数据的统计学习,产生初始聚类中心,采用K-均值聚类算法对灰度进行聚类,并根据伪彩色编码的节点对聚类结果分段实现伪彩色的自适应分配.实验结果表明,该方法可增强红外图像的细节信息和层次感,具有更好的视觉效果.