一种基于蚁狮最大熵算法与引导滤波的图像融合算法

传统红外与可见光图像融合算法中易出现目标提取不够充分、细节丢失等问题,导致融合效果不理想,从而无法应用于目标检测、跟踪或识别等领域。因此,该文提出一种基于蚁狮优化算法(ALO)改进的最大香农(Shannon)熵分割法结合引导滤波的红外与可见光图像融合方法。首先,使用蚁狮最大熵分割法(ALO-MES)对红外图像进行目标提取,然后,对红外和可见光图像使用非下采样剪切波变换(NSST),并对获得的低频和高频分量进行引导滤波。由提取的目标图像与增强后的红外和可见光低频分量通过低频融合规则得到低频融合系数,增强后的高频分量通过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。实验结果表明,所提算法能够得到目标明确、背景信息清晰的融合图像。     

基于小波变换的红外偏振图像融合算法

为了改善红外图像质量、提高人造目标的可识别率,基于偏振度图像能够较好地凸显人造目标,偏振角较好地描述不同物体表面取向,I图像能反映场景的强度信息的特征,采用对红外图像进行偏振图像融合的算法,即先通过红外热像仪和偏振片拍摄到偏振角度为0°,60°和120°3幅红外图像,再通过计算得到I,Q,U图像,进而得到偏振度图像和偏振角图像,最后对I图像、偏振度和偏振角图像进行红外偏振图像融合,得到高质量的红外偏振图像,由理论分析得到了各个图像的性能指标数据。结果表明,基于小波变换的红外偏振图像融合算法得到的图像数据合理,达到了改善红外图像质量和提高图像中的人造目标的可识别率的目的。     

Face Recognition Using 2-D, 3-D, and Infrared: Is Multimodal Better Than Multisample?

This work examines face recognition using normal intensity images, infrared images, three-dimensional shape, and combinations of these. We compare the performance improvement obtained by combining three-dimensional or infrared with normal intensity images (a "multimodal" approach) to the performance improvement obtained by using multiple intensity images (a "multisample" approach). Combining results from different types of imagery gives significantly higher recognition rates than are obtained by using a single intensity image. However, significantly higher recognition rates are also obtained by combining results from multiple intensity images. Overall, initial results indicate that, using an "eigen-face" recognition algorithm and weighted score fusion, multisample techniques can result in a performance increase comparable to that of multimodal techniques     

多传感器信息融合的前方车辆检测

为提升辅助驾驶系统对于道路环境中车辆的感知能力,通过机器视觉与毫米波雷达信息融合技术对前方车辆进行了检测。融合系统中对摄像头和毫米波雷达进行了联合标定,借助三坐标测量仪确定两者的数据转换的关系,优化了深度学习算法SSD的候选框,提高了车辆的检测速度,选用长焦和短焦两种摄像头进行前方图像采集,并将两者重合图像进行融合,提升了前方小目标图像的清晰度,同时对毫米波雷达数据进行了处理,借助雷达模拟器确定合适阈值参数实现对车辆目标的有效提取,根据雷达有效目标数据对摄像头采集的图像进行选择与建立感兴趣区域,通过改进的SSD车辆识别算法对区域中的车辆进行检测,经过测试,车辆的检测准确率最高达到95.3%,单帧图像平均处理总时间为32 ms,该算法提升系统前方车辆检测的实时性和环境适应性。     

采用NSCT与FCM相结合的SAR和多光谱图像融合算法

合成孔径雷达（SAR）和多光谱（MS）图像的融合,有助于得到对观察对象的更好地视觉感知。但是,由于其内在成像机制上的差异,许多经典的方法已被证明不适合这一研究,因此本文提出了采用非下采样contourlet变换（NSCT）和模糊C均值聚类（FCM）相结合的图像融合算法。采用FCM对SAR图像进行分割,得到目标区域和背景区域;采用NSCT对SAR图像和多光谱图像进行分解,得到低频子带和高频方向子带;对于低频部分,不同分割区域采用不同的自适应融合准则进行融合;对于高频部分,采用区域块能量准则进行融合;最后,通过NSCT逆变换得到融合后图像。实验结果表明,该算法的融合图像能很好的保留SAR图像的目标信息和多光谱图像的光谱信息,融合效果优于大部分传统的融合算法。      

基于局部特征差异的异源图像融合算法

针对现有异源图像融合多以光学 图像为主、合成孔径雷达 (SAR)图 为辅和 光学图像 极易受 传播媒介 干扰 且 不 能同时保留纹理细节与颜色信息 等 问题, 提出一种新的基于局部特征差异的异源图像融合算法。 首先通 过 自适应分割 将 SAR 图像划分为规则特征区和不规则特征区两个区域;然后 进行 平移不变 离散 小波变换(SIDWT), 再根据 局部特征差异 性 设计 融合规 则,将 SAR 图像与全色遥感(PAN)图像的 小波系数 进行融合 , 以期保留图像的特征 信息与色彩信息 ;最后 通过 信息量 、 清晰度等 客观 评价指标 对 融合结果进行评价与分析 。 仿真实验 证明 了算法的有效性。     

Real-time motion compensation, image formation and image enhancement of moving targets in ISAR and SAR using S-methodbased approach

The commonly used technique for inverse synthetic aperture radar (ISAR)/synthetic aperture radar signal analysis is a two-dimensional Fourier transform (FT), which results in an image of the target's reflectivity mapped onto a range and cross-range plane. However, in cases where the line-of-sight projections of the target's point velocities change or there is uncompensated movement within the coherent integration time, the FT produces blurred images. For target recognition applications, mainly those in military surveillance and reconnaissance operations, a blurred ISAR image has to be refocused quickly so that it can be used for real-time target identification. Two standard techniques used for improvement of blurred ISAR images are motion compensation and the use of quadratic time-frequency representations. Both are computationally intensive. The authors present an effective quadratic time-frequency representation, the S-method. This approach performs better than the Fourier transform method by drastically improving images of fast manoeuvring targets and by increasing the SNR in both low and high noise environments. These advantages are a result of the S-method's ability to automatically compensate for quadratic and all even higher-order phase terms. Thus, targets with constant acceleration will undergo full motion compensation and their point scatterers will each be localised. It should be noted that the source of the quadratic term can come not only from acceleration, but also from non-uniform rotational motion and the cosine term in wide-angle imaging. The method is also computationally simple, requiring only slight modifications to the existing FT-based algorithm. The effectiveness of the S-method is demonstrated through application to simulated and experimental data sets.     

基于自适应加权的多尺度图像融合研究

近年来图像融合技术广泛应用到电力行业,通过不同类型的图像传感器采集电力设备和输电线的图像,经过红外和可见光的图像融合处理,实现电力设备及输电线的智能巡视和故障分析.文中提出一种基于自适应加权的多尺度图像融合算法,采用配准后的可见光和红外图像,进行多尺度小波分解,根据高低频的不同图像特征,低频采用自适应加权融合规则,高频...     

一种利用相位信息的雷达目标成像识别方法

高距离分辨雷达(HRR)的回波中蕴含丰富的目标信息,充分利用目标回波并采用恰当的特征抽取方法,可以有效地识别目标。本文提出一种利用相位信息和正则变换的目标识别方法。该方法基于雷达目标距离剖面像的幅度和相位矢量(幅相矢量),首先由各训练目标在不同方位姿态角时的幅相矢量构成综合矩阵并对之作正则变换建立正则子空间,然后将每类训练目标各方位姿态的幅相矢量向该子空间投影形成子像,取其平均结果作为该目标的库特征矢量。对未知目标,以其子像对库矢量的欧氏距离最小为分类准则,进行了识别模拟实验。     

图像增强的自适应网格交互式多模型算法

自适应网格交互式多模型算法(AGIMM)单纯依靠目标的模型后验概率来调整模型集,因此造成了在目标机动时刻跟踪性能不高的问题。基于图像传感器对目标机动的快速检测性能,首次将图像中的目标姿态角信息引入到该算法中。通过建立AGIMM估计的模型角速度与姿态角蕴含的模型角速度之间的隶属度关系,修正了目标的模型后验概率,增强了模型辨识能力,提高了该算法在目标机动时刻的跟踪性能,从而实现了图像传感器与雷达传感器两种异类信息的有效融合。     

单发多收模式下无源雷达成像研究

首先分析了无源雷达成像系统的目标回波形式,得到了目标散射分布函数和雷达接收信号之间的傅里叶变换对关系;对单个外辐射源的情况,提出了利用部署多个接收站等效合成大的孔径对目标进行成像的方法.由于采集的数据非均匀分布且数据量很少,本文采用极坐标格式对数据进行处理,充分利用了原始精确数据,有效提高了成像质量.理论推导和计算机仿真结果说明该方法是可行的.     

红外与可见光图像融合中的快速配准方法

红外与可光传感器目标跟踪识别系统中常用的两种传感器，对这两种传感器图像进行有效的融合能大大提高探测识别的准确性和可靠性。快速准确地实现图像配准是图像融合的前提，为此提出了一种基于小波变换的快速算法，有利于实时准确地实现图像配准。     

基于电磁散射的复杂目标SAR回波与图像仿真

复杂目标的SAR图像仿真技术,对于目标识别与解译研究具有重要意义。该文提出的仿真算法,从目标的3维模型出发,运用弹射线原理,通过仿真全方位,全频带的目标散射系数来构建回波并成像。改传统平面波入射为球面波入射,使得算法不仅能够仿真远场成像系统,也适用于近场仿真成像。标准体实验,验证了算法的近远场,全极化,多角度,宽频带的仿真能力;复杂目标的仿真结果,同实测数据相比十分逼真。     

基于非负矩阵分解的TerraSAR与SPOT5影像融合

合成孔径雷达具有全天候、全天时的优势,能够提供高分辨的目标图像,而多光谱遥感影像能够提供丰富的光谱信息,将两种不同影像进行融合,综合两者的优势信息可以得到质量更高、信息更丰富的图像。提出了基于非负矩阵分解算法的融合算法对SAR影像和多光谱遥感影像进行融合。通过对比研究,提出的融合算法在目视判读以及客观评价指标上和传统融合算法相比,都有较明显的改善,尤其是在细节表现力和光谱保持度方面优势显著。     

Perceptual-based image fusion for hyperspectral data

Three hierarchical multiresolution image fusion techniques are implemented and tested using image data from the Airborne Visual/Infrared Imaging Spectrometer (AVIRIS) hyperspectral sensor. The methods presented focus on combining multiple images from the AVIRIS sensor into a smaller subset of images white maintaining the visual information necessary for human analysis. Two of the techniques are published algorithms that were originally designed to combine images from multiple sensors, but are shown to work well on multiple images from the same sensor. The third method presented was developed specifically to fuse hyperspectral images for visual analysis. This new method uses the spatial frequency response (contrast sensitivity) of the human visual system to determine which features in the input images need to be preserved in the composite image(s) thus ensuring the composite image maintains the visually relevant features from each input image. The image fusion algorithms are analyzed using test images with known image characteristics and image data from the AVIRIS hyperspectral sensor. After analyzing the signal-to-noise ratios and visual aesthetics of the fused images, contrast sensitivity based fusion is shown to provide excellent fusion results and, in every case, outperformed the other two methods     

基于目标提取与NSCT的图像融合技术研究

针对红外图像目 标突出、背景对比度差、可见光图像分辨率高以及对热目标不敏感且隐蔽目标无法发现等问 题,本文 提出了一种能够突出两种图像的优势信息且不降低图像分辨率的图像融合方法。首先采用 Renyi熵提取红外目标,并通过非下采样Contourlet变换(NSCT)对可见光图像进行自适应增 强;然 后将图像增强后的可见光图像与目标图像进行融合,得到融合图像。通过对比,本文融合图 像的视觉 效果明显优于其他方法的融合图像。最后,采用多种指标进行评价。结果表明,基于目标提 取的图 像融合方法可以有效突出目标信息,提高图像的亮度和对比度,特别适于低能见度下的目标 检测与图像增强。     

一种基于度量层信息的基本信任分配构造方法

在决策层融合目标识别中,Dempster组合规则是一种常用的融合算子,它的有效应用取决于相应基本信任分配的合理建立。该文针对决策层融合目标识别问题中子源传感器输出的度量层信息,分析了基本信任分配的构造准则,并提出了一种基于参考向量与度量层信息之间相似度的基本信任分配构造方法。在仿真数据与空中雷达目标实测数据上的实验结果表明,该方法构造的基本信任分配能够有效地通过Dempster组合规则进行融合。     

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。     

基于最近迭代点的毫米波雷达点云数据处理方法

毫米波雷达具有小型化、低成本等特点,可全天候、全天时工作,在高级辅助驾驶系统中发挥着重要作用。基于多芯片级联方案的多发多收（multiple-input multiple-out, MIMO）技术可有效提高毫米波雷达的角度分辨率,使得毫米波雷达点云成像成为可能。针对毫米波雷达图像点云稀疏、噪点多等问题,本文提出了一种基于最近迭代点的毫米波雷达多帧融合和自适应邻域半径的DBSCAN算法。首先,利用MIMO毫米波雷达技术获得多帧观测场景目标点云图像。其次,利用辅助信息得到点云匹配的初值,通过最近迭代点算法估计平移旋转矩阵进行精确匹配,实现多帧数据融合以改善图像点云稀疏问题。然后,设计自适应阈值的DBSCAN算法去除噪声,获得目标的点簇信息,再对聚类后的点簇目标求取最小外接矩形,结合目标散射强度,实现对车辆和围栏等不同类型目标区分。最后,利用外场（典型停车场场景）测试数据,对本文所提算法的有效性进行了验证。     

一种多传感器融合的景像匹配算法

为提高景像匹配算法的匹配概率和匹配精度,以多传感器最大属性数据融合方法为基础,分析了光学与雷达传感器获取图像的特性,提出了使用光学和雷达传感器进行融合相关的新匹配算法,实现了这两种传感器的优势互补,大大加强了景像匹配算法的抗干扰能力,有效提高了匹配概率和匹配精度。仿真证明,该方法比较成功。