基于非下采样Contourlet 变换和稀疏表示的红外与可见光图像融合方法

针对非下采样Contourlet 变换( NSCT) 中低频子带系数稀疏度较低不利于融合的问题,提出基于NSCT 和稀疏表示的图像融合方法。对红外与可见光图进行NSCT 变换;对稀疏度较低的低频子带系数提取共有和特有系数,并按照特有系数的活动水平自适应调整权重融合;对稀疏度较高的高频方向子带系数,采用同一尺度下系数绝对值之和最大的方法进行融合。经NSCT 逆变换后得到融合图像。实验结果表明,与传统基于变换的DWT、NSCT 融合方法以及基于稀疏表示的SOMP、JSR 算法比较,文中方法可以获得更好的融合效果。     

侧扫声纳图像非下采样轮廓波变换域分区增强方法

成像机理的限制以及海洋中存在的丰富噪声源,导致侧扫声纳图像出现噪声污染严重、目标和背景区域灰度值对比度低以及边缘呈现强度较弱等情况.针对上述问题,提出一种侧扫声纳图像非下采样轮廓波变换(NSCT)域分区增强方法.对于声纳图像低频部分,使用非线性函数增强方法,提升低频图像对比度;对于声纳图像高频部分,通过分析声纳高频图像...     

非下采样轮廓波域混合统计模型红外图像降噪方法

针对红外图像易受噪声污染、成像质量差等问题,提出一种非下采样Contourlet域变换系数混合统计建模的降噪方法。将图像变换到非下采样Contourlet域,对噪声系数、信号系数分别按照高斯分布和广义拉普拉斯分布建模,利用贝叶斯框架下的最大后验估计理论,推导原始信号系数估计公式,并对包含噪声的图像系数进行处理,实现非下采样Contourlet域红外图像降噪。实验结果表明,该方法能够对红外成像过程中产生的高斯噪声实现有效抑制,较完整地保持图像的边缘等细节信息,在峰值信噪比提高与视觉效果上优于部分经典算法。     

基于非下采样Contourlet的熵测度图像融合算法

活性测度是图像融合过程中的重要衡量工具.通过其提取的某种特征信息,来决定哪幅输入图像的特征更为明显.在基于多分辨率分解的融合算法中,常用的活性测度只考虑各层高频子带系数本身,忽略了低频系数所提供的信息.考虑到综合高、低频系数对于活性测度的影响,基于非下采样Contourlet变换良好的平移不变性、多方向等特性,提出了一...     

基于轮廓小波变换的多尺度图像融合

本文提出了一种基于轮廓小波算法的图像融合方法,并将该算法与小波算法进行比较,仿真结果表明,该方法能够得到很好的图像融合结果,结果具有很好的视觉效果,其信噪比要高于基于小波算法的方法.     

基于红外图像与可见光图像特征融合的目标检测算法

对可见光与红外图像融合目标检测问题进行了研究,提出了一种针对目标检测任务的特征融合算法。采用端到端的神经网络方案,将可见光与红外图像同时输入神经网络,分别进行特征提取,后对提取的特征进行融合,再对融合的特征进行目标检测,最后输出检测结果。与一般先融合出一张图片再检测的方法比较,特征融合算法可以保留原始图像的特征,并根据目标检测的结果对特征进行挑选及融合,避免先融合图像造成的信息损失。红外图像能够弥补可见光图像的不足,适应不同光照强度及天气情况。针对目标检测的特征融合方法有效利用了纹理信息及热辐射信息,检测效果优于单独利用可见光或红外图像的方法。     

基于NSCT的红外与可见光图像融合算法

针对红外与可见光图像融合,提出了一种基于NSCT的图像融合方法。首先对图像进行NSCT分解;然后对分解后的子带系数采用基于区域能量匹配度的融合规则分别进行融合:对于低频子带,使用区域能量和方差构造决策值,并使用决策值选大与加权平均相结合的方法进行融合,对于高频子带的最高层采用像素绝对值选大法进行图像融合,对于高频子带的其他层,采用基于区域能量匹配度的区域方差选大的融合规则进行融合;最后使用NSCT逆变换对融合后的系数进行重构得到融合图像。实验结果表明,该融合算法可以获得更多的细节信息,并且获得较理想的融合图像。     

一种基于图像特征的红外与可见光图像融合算法

首先分析了红外与可见光图像的特征,在此基础上提出了一种基于图像特征的图像融合算法,充分利用红外波段和可见光波段图像特征的互补性,达到便于观察的目的,仿真结果表明该方法能取得比较好的融合效果。     

一种基于小波变换的可见光与红外图像融合算法研究

为了解决可见光与红外图像所表现的目标特征不一致的问题,提出了一种红外与可见光图像融合算法.首先利用小波变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数,采用不同的融合算法构造融合图像对应的小波系数,最后利用该小波系数重构融合后的图像.实验结果表明,该算法在红外与可见光图像融合处理中取得了很好的融合效果,有效地将红外和可见光对同一目标所表现出不同的特征、细节融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图象处理系统获取信息提供了基础.     

基于多尺度链接的红外与可见光图像融合

提出了一种红外和可见光图像的融合方法。该方法采用深度学习中的生成对抗网络(generative adversarial network, GAN)来融合两种模态图像,融合过程主要通过网络架构中生成器和鉴别器之间的对抗实现。生成器采用多尺度链接架构,有效提取并利用源图像的深层与浅层特征信息。同时鉴别器采用了与传统全局鉴别器不同的局部鉴别器,确保融合后的图像充分包含源图像的信息与特征分布。经实验验证,采用该方法融合后的图像能有效包含两种源图像各自的特征。     

基于双边滤波的可见光与红外图像自适应融合

针对传统融合方法不能充分提取可见光图像与红外图像各自特有的细节信息和难以确定融合权值的问题,提出一种基于双边滤波的可见光与红外图像自适应融合算法。该方法结合双边滤波与改进的双边滤波,将可见光与红外图像分解为多尺度局部细节、特有细节以及基础信息。在图像融合阶段,局部细节信息采用基于图像边缘能量的融合方法,最大程度保留了图像的细节;图像基础部分的融合,引入了基于局部能量值的正则化参数来自适应调整融合的权值,优化参数的选择;特有细节信息的融合采用了绝对值最大的融合规则以充分保留源图像特有的细节信息。仿真实验结果表明,通过主观判断所提方法融合后的图像视觉效果更好、对比度高,边缘细节的融合比其他算法更加好,在客观指标的评价中,所提融合方法的MI、EN、FMI、SD、Q^AB/F、Mean 6种指标相对于其他方法综合提升了22.6%、5.7%、0.7%、30.4%、14.2%、18.4%,在主观视觉上和客观评价指标中,所提的算法均具备更优的融合效果。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.     

基于复无下采样轮廓波和Gaussian小波支持向量回归的红外目标图像背景抑制

针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。     

基于UKF的雷达/红外分布式加权融合算法

为了提高雷达/红外复合制导精度,针对雷达/红外复合制导信息融合中量测模型非线性问题,提出一种基于不敏卡尔曼滤波器(UKF)的分布式雷达红外加权融合算法。该算法在解决量测模型非线性函数问题上,不是对非线性函数进行近似,而是对非线性函数的概率密度分布进行近似,因而避免了扩展卡尔曼滤波的模型线性化误差导致滤波发散的问题。仿真结果表明,该算法收敛性好,融合精度高,鲁棒性好,实时性好,可以满足复合制导中信息融合技术的要求。