地面景物红外成像特性

对不同类型场景,在不同时段、气象条件下红外成像特性及其变化规律的研究,是红外图像匹配、红外成像精确制导技术研究的前提和依据.其目的是寻找适合匹配的场景、时段和对应的预处理方法.通过对同一地区、不同季节、时段大量试验数据的统计分析,使用图像灰度均值、标准差、边缘概率等几项指标,对不同场景红外成像特性的变化规律进行了研究,对其成像稳定性进行了评价.利用去均值归一化自相关算法进行的红外图像与其对应可见光边缘图像匹配,试验结果表明:利用该方法选择匹配场景,可以有效地提高红外景象匹配区选择的准确性和图像匹配概率.     

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。     

一种新颖的红外与可见光图像融合方法

为了提升红外和可见光图像融合效果,提出了一种新颖的融合方法。对可见光图像利用支持向量机和腐蚀膨胀算法在图像分块的基础上进行分割获取含有重要场景信息的特征子图像和灰度场景子图像;对红外图像进行热目标边缘提取并增强,结合前述特征子图像和最大类间方差法获取边缘增强的目标子图像,特征子图像和灰度场景子图像。利用小波包分别对两特征子图像,两场景子图像进行融合。融合过程中,根据子图像特点择取不同融合准则,并对高频融合系数进行系数修正使其更为准确可靠。将红外热目标注入到前述融合结果中获取最终融合图像。实验结果表明,提出算法从主、客观评价上都要优于对比算法。     

图像融合中的图像配准方法研究

图像配准是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。快速准确地实现配准是图像融合的前提,为此提出了基本相似性测度算法的模板匹配方法。对像素相关性小的红外和可见光图像,提出了基于sobel 快速边缘检测的模板匹配方法。     

结合方向边缘检测的红外与可见光图像融合算法

针对现有红外与可见光融合算法中存在边缘模糊与目标不清晰等问题,通过对红外图像与可见光图像的研究,提出一种基于方向边缘检测的红外与可见光的图像融合算法。通过在传统的边缘检测算法基础上,引入一个方向因子,提出了一种新的方向边缘检测算法;并根据高频子带与低频子带中小波系数的不同特性,分别对其采用了不同的融合规则。实验结果表明,该算法能够有效的提取图像中的边缘信息与目标信号,具有可靠性高、清晰度高的市场优势。     

基于斜率一致性的电气设备红外与可见光图像配准方法

针对电气设备同一场景间红外与可见光图像间难以 匹配的问题,提出了一种基于斜率一致性的图像配准方法。首先通 过基于多方向结构元素、不同权值的数学形态学边缘检测算法分别提取红外与可见光图像的 边缘,得到粗边缘图像; 然后通过SURF算法检测两幅边缘图像的特征点,根据正确的匹配点对之间斜率一致性的先 验知识,进行特征点匹配; 最后通过最小二乘法求得仿射变换模型参数实现两幅图像的配准。实验结果表明,本文方法 有效提高了匹配点对的正 确率,特征点的定位也更加精确,能够对电气设备红外和可见光图像实现高精度的配准 。     

基于SURF-HOG与显著性特征的红外可见光图像配准融合北大核心CSCD

针对现有红外与可见光图像配准不精确,边缘及细节纹理缺失,融合时间较长,不能突出重点目标等不足,提出一种基于SURF-HOG描述符与红外显著性特征的红外与可见光图像融合方法。首先,在红外与可见光图像配准阶段,在SURF(Speed-Up Robust Features,SURF)框架内构建基于HOG(Histogram of Oriented Gradient,HOG)的特征点描述符,并通过NNDR(Nearest Neighbor Distance Ratio,NNDR)进行红外与可见光图像的特征点匹配;其次,在显著特征提取阶段,先通过四叉树算法对源红外图像分解,然后通过贝塞尔插值法重建红外图像背景,接着分别对红外图像中的背景及目标进行自适应抑制以提取目标红外显著性特征;最后,结合已配准的可见光图像与重建后的红外图像以获取最终融合结果。实验结果表明,所提方法对不同场景下的红外与可见光图像具有较高的配准精度,不同场景下的融合结果不但主观视觉上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间最短,并且在客观评价指标上也取得了较好的效果。     

一种基于DexiNed改进的红外图像边缘检测算法

相对于可见光图像边缘检测,目前针对红外图像边缘检测的研究较少,且大多基于传统方法,如边缘检测算子、数学形态学等,其本质上都是只考虑红外图像局部的急剧变化来检测边缘,因而始终受限于低层次特征。本文提出了一种基于深度学习的红外图像边缘检测算法,在DexiNed（Dense Extreme Inception Network for Edge Detection）的基础上,缩减了网络规模,并在损失函数中引入了图像级的差异,精心设置了损失函数的参数,进而优化了网络性能。此外,还通过调整自然图像边缘检测数据集来近似模拟红外图像边缘检测数据集,对改进后的模型进行训练,进一步提高了网络对红外图像中边缘信息的提取能力。定性评价结果表明,本文方法提取的红外图像边缘定位准确、层次清晰、细节丰富、贴合人眼视觉,使用了SSIM（Structural Similarity Index Measure）和FSIM（Feature Similarity Index Measure）指标的定量评价结果进一步体现了本文方法相比于其他方法的优越性。     

红外与可见光图像融合技术的研究进展

红外与可见光融合图像既具有红外的辐射信息又具有可见光的细节信息，在生产生活、军事监视等场景得到广泛应用，已然成为图像融合领域的重点研究方向。根据图像融合方法的核心思想、融合框架、研究进展对基于多尺度变换、稀疏表示、神经网络等融合方法进行详细阐述对比，并综述了红外与可见光图像融合在各领域内的应用现状，以及常用的评价指标。并选择具有代表性的多种融合方法与评价指标，应用于六个不同场景，验证各方法的优势与不足。最后，实验分析并总结现有红外与可见光图像融合方法存在的问题，对红外与可见光图像融合技术的发展趋势进行展望。     

山区高速公路隧道出入口视觉融合技术研究北大核心CSCD

针对红外非可见光与可见光视觉在成像过程中不同的感光特性,面向隧道典型的“黑洞”和“白洞”问题,从自动驾驶车辆视角研究光照环境突变条件下的视觉辨识以及融合感知技术。分别选取低照度车辆进入隧道以及弱光线条件下车辆驶离隧道两种情形,利用局部能量、卷积稀疏表示算法(CSR)对两种图像进行融合实验,结合MI、SF、AG、QAB/F、SSIM、PSNR六种评价指标进行评价。实验结果表明,在隧道入口处图像CSR-E算法对比Curvelet、NSCT、NSCT-T、SR-C&L、SF-Energy-Q五种算法,边缘信息传递因子(QAB/F)提高了14.14%,隧道出口处图像运行平均时间减少1.17 ms,结构相似性(SSIM)提高了3.38%,所提出的红外非可见光与可见光视觉融合成像方法弥补单一传感器针对特定场景表达的不全面,实现对场景全面清晰准确的表达,有效解决了源图像的边缘信息丢失,增强图像的光谱信息。     

不同传感器图像的景象匹配区选取准则研究

景象匹配区的选取工作是影响光学景象匹配系统性能的重要因素,在分析影响景象匹配算法的配准概率和定位精度等因素的基础上,人们已经提出了一些实用的选取方法。文章首先对这些方法进行了研究,然后,从选取准则的角度对影响景象匹配区选取的因素进行了归纳分析,通过实验发现利用这些准则在进行实时图为红外图像、基准图为可见光图像的景象匹配区选取时存在一些问题,文章针对这些问题提出一种基于图像边缘密度与自匹配系数的景象匹配区选取准则。实验证明,该算法既保证了所选匹配区中的边缘信息量,又确保了所选区域具有较好的不相关性,采用粗选加精选的方式提高了选取速度。     

一种基于边缘密度与自匹配系数的匹配区选取准则

景象匹配区的选取工作是影响景象匹配系统性能的重要因素.在选取准则研究方面按照选取参数的不同,目前有基于图像方差的选取准则、基于图像独立像元数的选取准则、基于图像重复模式的选取准则、基于自匹配系数的选取准则等.首先对这些准则进行了基本介绍,然后,通过具体的选取实验,指出它们在基准图选取时存在的问题,最后,针对这些问题,提出一种基于图像边缘密度与自匹配系数的景象匹配区选取准则加以解决.通过对典型地形、地貌特征的图像进行选取实验,证明了算法的有效性.     

景象匹配区的选择方法

景象匹配区的选择是影响景象匹配系统性能的重要因素。通过实验研究建立了信噪比、重复模式与匹配概率之间的三维模型,并以此提出了一种基于边缘密度预筛选和上述模型的选择方法。测试结果表明,在一定条件下,该方法可以成功规划出所需的区域。     

一种改进的马尔可夫随机场图象恢复与分割模型

在现有的马尔可夫随机场图象恢复与分割模型中,图象场能量最低组态被看成是原始景物的一种最优估计。但在图象灰度值发生变化的边界上,能量最低组态不对应于原始景物,从而造成恢复(或分割)误差。本文对这类模型作了改进,利用改进的模型给出了一种引入边界信息的松弛算法,并给出了应用该算法对低信噪比图象进行恢复处理的计算机模拟结果。     

A new sharpness metric based on local kurtosis,edge and energy information

Sharpness metrics that use the whole frequency spectrum of the image cannot separate the sharpness information from the scene content. The sharpness metrics that use spatial gradients of the edges work only for comparisons among versions of the same image. We have developed a content independent, no-reference sharpness metric based on the local frequency spectrum around the image edges. In this approach, we create an edge profile by detecting edge pixels and assigning them to 8×8 pixel blocks. Then we compute sharpness using the average 2D kurtosis of the 8×8 DCT blocks. However, average kurtosis is highly sensitive to asymmetry in the DCT, e.g. different amounts of energy and edges in the x and y directions, therefore causing problems with different content and asymmetric sharpness enhancement. Thus we compensate the kurtosis using spatial edge extent information and the amount of vertical and horizontal energy in the DCT. The results show high correlation with subjective quality for sharpness-enhanced video and high potential to deal with asymmetric enhancement. For compressed, extremely sharpened and noisy video, the metric correlates with subjective scores up to the point where impairments become strongly noticeable in the subjective quality evaluation. The metric can be used by itself as a control variable for high-quality image capture and display systems, high-quality sharpness enhancement algorithms, and as a key component of a more general overall quality metric.     

Statistical Study of Edges in TV Pictures

The present study is devoted to the statistical analysis of edges in still monochrome TV pictures. The visual information carried by the edges is especially important both for image interpretation and for subjective image quality evaluation. Statistical knowledge on edges is helpful to improve image coding techniques significantly as well as processing techniques for scene analysis. After an introduction on nonstationary local statistical models, we describe the parameters of edges and the methods used to measure them. Statistical data collected on these parameters are then presented. The data concern orientation, edge length, edge width, runlength between edges and edge slope probability distributions as well as the measure of orientation continuity along an edge and the relative frequencies of edge pixels and contrasted isolated pixels.     

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。