基于显著性图的红外与可见光图像融合

为使红外图像与可见光图像融合后的图像能获得更多目标信息和细节信息,本文提出了一种基于显著性图的图像融合方法.使用改进的Frequency Tuned(FT)算法提取红外图像的显著性图,并使用对比度受限的自适应直方图均衡化(Contrast Limited Adaptive Histgram Equalization,CLAHE)算法增强可见光图像的对比度.将红外图像与增强后的可见光图像进行非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)后,根据所设定的融合规则分别对红外与可见光图像的低频部分与高频部分进行融合,最后对融合系数进行NSCT逆变换操作后获到融合图像.实验表明,该融合方法相较于其他方法而言,保留了更多的目标信息和细节信息,可以取得更好的视觉效果.     

基于灰度能量差异性的红外与可见光图像融合

为了获取红外图像中的突出的目标特征,提取可见光图像中重要的细节信息,以及解决传统算法中目标信息不够突出,细节、纹理缺失严重的问题,本文提出了一种基于灰度能量差异性的红外与可见光图像融合方法.首先通过基于灰度能量差异性的显著目标提取算法检测出红外图像中的目标特征;然后采用非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)对红外图像和可见光图像进行高低频的分解;将灰度能量差异图作为融合权重对红外图像和可见光图像的低频部分进行融合,对于高频部分采用加权方差的规则进行融合;最后对融合后的高频系数和低频系数进行NSCT逆变换得到最终的融合图像.本文选取了3组经典的红外与可见光图像进行融合实验,并且通过主观视觉和客观指标两个方面与其他几种方法作比较.实验结果证明了算法在突出目标信息、提高对比度、清晰度和保留纹理细节方面十分有效.     

结合改进显著性检测与NSST的红外与可见光图像融合方法

针对当前基于显著性检测的红外与可见光图像融合方法存在目标不够突出、对比度低等问题,本文提出了一种结合改进显著性检测与非下采样剪切波变换（non-subsampled shearlet transform, NSST）的融合方法。首先,使用改进最大对称环绕（maximum symmetric surround, MSS）算法提取出红外图像的显著性图,并进一步通过改进伽马校正进行增强,同时应用同态滤波增强可见光图像。然后,对红外图像与增强的可见光图像进行NSST分解,利用显著性图指导低频部分进行融合;同时设定区域能量取大规则指导高频部分融合。最后,通过NSST逆变换重构融合图像。实验结果表明,本文方法在平均梯度、信息熵、空间频率和标准差上远优于其他7种融合方法,可以有效突出红外目标,提高融合图像的对比度和清晰度,并保留可见光图像的丰富背景信息。     

基于二维经验模态分解和高斯模糊逻辑的红外与可见光图像融合

针对传统多尺度图像融合方法容易损失可见光图 像细节、弱化红外目标信息和降低图像对比度的 问题,基于二维经验模态分解(BEMD)和高斯模糊逻辑(GFL)的特性,提出了一种红 外与可见光 图像融合的算法。首先,使用BEMD对源图像进行分解,得到图像的本征模(高频成分)和 趋势项(低频 成分);其次,用GFL对趋势项进行恰当的融合,使用基于邻域特征的区域对比度法融合图 像的本征模; 最后,通过BEMD逆变换得到融合图像。实验结果表明,与传统的多尺度融合方法相比,在 主观上视觉上, 本文融合算法能够更有效地保留源可见光图像中的细节信息,并突出红外图像中的目标信息 ,提高融合图 像的质量;在客观评价指标上,本文融合算法的结果在信息熵(IE)、标准差(SD)、平均梯度(AG)、互 信息(MI)和空间频率(SF)5个客观指标上明显优于传统的多尺度融合方法。     

红外与可见光图像融合的多分辨率方法

给出一种适合于红外与可见光图像融合的多分辨率融合方法。方法基于对比度塔形分解的图像融合方法,在融合过程中可有选择地突出被融合图像的对比度信息,达到良好的视觉效果。利用熵、交叉熵、互信息量、平均交叉熵、均方根交叉熵等参量,对多种图像融合方法的性能进行了定量评价和比较。实验结果表明,方法用于红外与可见光图像的融合十分有效。     

基于对比度金字塔与双边滤波的非对称红外与可见光图像融合

为了同时保留红外图像的特征信息和可见光图像的细节信息,提出了一种基于对比度金字塔的非对称红外与可见光图像融合方法.首先,使用对比度金字塔对红外与可见光图像进行高频与低频信息分解,然后对高频部分采用绝对值取大方法进行融合,对于低频部分采用基于双边滤波的方法对红外与可见光图像进行非对称的处理;其次,使用对比度金字塔的逆变换...     

NSST框架下结合局部自适应亮度与DCAPCNN的双波段图像融合

针对现有红外与可见光图像融合后,易出现边缘平滑严重、纹理细节恢复不足、对比度低、显著目标不突出、部分信息缺失等问题,提出一种基于非下采样剪切波变换(non-subsampled shearlet transform,NSST)的红外与可见光双波段图像融合算法。首先,采用基于自适应引导滤波(adaptive guided filter,AGF)的方法对源红外、可见光图像增强。其次,利用NSST正变换分别对源红外与可见光图像分解,得到红外、可见光图像的低、高频子带分量。然后,分别通过基于局部自适应亮度(local adaptive intensity,LAI)与双通道自适应脉冲耦合神经网络(dual channel adaptive pulse coupled neural network,DCAPCNN)规则融合低、高频子带分量。最后,通过NSST逆变换得到最终融合图像。实验结果表明,本文算法整体对比度更适宜,对红外热目标及可见光背景的边缘与纹理的细节恢复性更好,融合图像信噪比高,有效结合了红外及可见光图像的各自优势,与现有传统图像融合与深度学习融合算法相比,本文算法达到了更好的实验效果,在主观视觉感知和客观指标评价中均具有更好的融合性能。     

边缘和对比度增强的NSST域红外与可见光图像融合

为了将红外图像的全局信息与可见光图像的细节信息进行有效结合,进一步提高融合后图像的质量,提出了一种同时增强图像边缘细节和对比度的非下采样剪切波变换(NSST)域红外和可见光图像融合方法.首先,通过平移不变剪切波将图像分解成为低频子带与高频子带,通过全局显著性图分析图像的对比度信息;利用改进型局部显著度图分析图像局部边缘信息.针对不同频带系数,结合边缘信息和对比度信息对频带系数进行融合,最后,利用逆变换得到最终的融合图像.大量实验结果表明,本文方法在提高图像整体对比度的同时增强了图像的边缘细节表现能力,优于现有的基于小波变换,非下采样轮廓波变换(NSCT)和显著度图等几种图像融合方法.     

基于Shearlet变换的红外与可见光图像融合

针对传统Shearlet变换融合方法在图像的奇异处 易产生伪吉布斯现象并且融合数据量 较大的缺点,本文结合 压缩感知(CS)理论提出一种基于改进Shearlet变换的红外与可见光图像融合方法。首先通过 非下采样金字塔滤波器组对待 融合红外与可见光图像分别进行分解,得到与原图像同等大小的高频信息图和低频信息图; 对于低频信息图,采用 能够恰当表征红外与可见光比例权值的局部区域信息熵进行融合;对于高频信息图,通过Sh earlet变换中水平、垂直和 对角剪切滤波器组进行滤波,继而将滤波后的系数分别采用简单且易物理实现的托普利茨矩 阵进行观测并权值融合, 然后通过分裂Bergman迭代获得融合后的高频Shearlet系数;最后经滤波器重构得到融合后 的图像。实验结果表明该算法有效地解决了吉布斯现象问题,融合图像对比度较高,并相对 于传统的融合方法减少了传输和融合的数据量,并且将融合时间缩短到50s以内,提高了融合效率。     

基于NSCT结合显著图与区域能量的红外与可见光图像融合

针对传统的红外与可见光图像融合出现的清晰度和对比度偏低,目标不够突出的问题,本文提出了一种基于Non-subsampled Contourlet(NSCT)变换结合显著图与区域能量的融合方法。首先,使用改进的频率调谐（Frequency-tuned, FT）方法求出红外图像显著图并归一化得到显著图权重,单尺度Retinex(Single-scale Retinex, SSR)处理可见光图像。其次,使用NSCT分解红外与可见光图像,并基于归一化显著图与区域能量设计新的融和权重来指导低频系数融合,解决了区域能量自适应加权容易引入噪声的问题;采用改进的“加权拉普拉斯能量和”指导高频系数融合。最后,通过逆NSCT变换求出融合图像。本文方法与7种经典方法在6组图像中进行对比实验,在信息熵、互信息、平均梯度和标准差指标中最优,在空间频率中第一组图像为次优,其余图像均为最优结果。融合图像信息量丰富、清晰度高、对比度高并且亮度适中易于人眼观察,验证了本文方法的有效性。     

基于双层次决策规则的红外与可见光图像融合

针对传统可见光和红外图像融合方法存在融合图像中缺失方向性信息和各向异性信息的问题,提出了一种基于双层次决策规则的红外与可见光图像融合方法。该方法将各向异性扩散(Anisotropic Diffusion,AD)和极值规则进行融合,首先通过AD滤波器将每个输入的源图像分解为近似层和细节层。然后将双层次融合决策规则分别应用于细节层和近似层,以保留光谱信息和结构信息,最后使用结构相似性指数(SSIM)、平均梯度(AG)和信息熵(IE)对融合图像的图像质量进行评估。实验结果表明,相比现有其他图像融合方法,所提方法的融合图像中具有更多的信息并有效减少了伪影现象,验证了所提出方法的有效性。     

基于NSCT的自适应多判决图像融合方法

针对传统的融合方法对于红外图像目标信息和可见光图像丰富的背景信息无法有效地保留到融合图像的问题,提出一种基于NSCT变换的自适应多判决红外与可见光图像融合方法。首先,将来自同一场景配准后的红外与可见光图像进行NSCT多尺度、多方向分解;然后,分别对高低频系数采取不同的融合规则：低频系数采用基于区域能量调节因子自适应加权的方法,对高频系数采用混合的融合方法,即对于高层,采用像素点绝对值选大的融合方法,对于低层采用基于对比度的多判决融合方法;最后,将得到的高低频融合系数进行逆NSCT变换得到融合图像。实验结果表明,经主客观评价,本文提出的融合方法优于文中其他基于多尺度分析的图像融合方法,可得到更理想的融合图像。     

基于BLMD和NSDFB算法的红外与可见光图像融合方法

针对传统图像融合方法容易导致融合图像出现细节不明显和目标信息不完整的问题, 本文提出一种基于二维局部均值分解 (Bidimensional Local Mean Decomposition, BLMD) 和非下采样方向滤波器组 (Nonsubsampled Directional Filter Banks, NSDFB) 算法的红外与可见光图像融合方法 (基于方向滤波的二维局部均值分解法, BidimensionalLocalMeanDecompositionbasedDirectionalFilteringAnalysis, BLMDDFA) .首先, 计算两幅原始图片的熵值, 同时提取熵值较大的图片的残余分量, 该残余分量与另一张原始图片有着较强的相关性.然后, 通过BLMD和NSDFB算法将残余分量和熵值较小的原始图片分解成低频子带和一系列不同尺度的高频方向子带, 并使用不同的融合规则分别对低频子带和高频子带进行融合.最后, 通过相应的逆变换运算获得融合图像.实验结果表明, 本文方法的融合性能在对比度、细节信息展示和目标突出方面均高于经典的融合算法, 在信息熵、标准差、空间频率和平均梯度方面较Laplacian方法中各指标分别提高了5.6％、28.9％、37.4％和47.6％, 信噪比较Laplacian方法降低了8.5％.     

基于低秩稀疏表示的红外与可见光图像序列融合方法

为了更好地突出红外与可见光融合图像中的目标信息,保留更多的纹理细节信息,提出了一种基于非下采样剪切波变换（non-subsample shearlet transform,NSST）域结合脉冲发放皮层模型（spiking cortical model,SCM）与改进的模糊C均值聚类（fuzzy C-means clustering,FCM）的红外与可见光图像融合算法。首先,用改进的FCM提取源红外图像中的红外目标信息;然后,将得到的红外图像与可见光图像的目标区域和背景区域进行NSST分解,得到各自的高低频子带图像;接着,对得到的不同区域采用不同的融合策略,其中,对于高频背景区域采用SCM模型与改进赋时矩阵进行融合;最后,使用NSST逆变换,得到最终的融合图像。仿真实验证明,与其他方法相比,本文算法得到的融合图像在主观视觉上红外目标信息突出,纹理细节信息丰富,在客观评价上,其信息熵和边缘保留因子达到最优。     

一种基于目标区域特征的红外与可见光图像信息融合方法

基于异源图像的信息互补关系, 提出了基于目标特征区域的小波变换融合方法。首先采用基于模糊C-均值聚类(FCM)的方法, 提取红外图像的目标特征区域, 用于异源图像目标特征区域的局部信息融合, 达到在可见光图像中加入红外目标信息的效果。其次以第一步融合的图像替换原有的可见光图像, 并采用小波变换的方法实现与红外图像的融合, 获得最终的融合图像。采用图像质量评价标准对本文算法和其他融合算法的实验结果进行分析对比, 证明所提出方法的有效性。     

基于联合低秩稀疏分解的红外与可见光图像融合

为进一步提高红外与可见光融合图像的细节信息和整体对比度,降低伪影和噪声,考虑了红外与可见光图像的相关性,提出了一种基于联合低秩稀疏分解的红外与可见光图像融合方法。首先,利用联合低秩稀疏分解方法将红外和可见光源图像分别分解成共同低秩分量、特有低秩分量和特有稀疏分量;其次,利用非下采样Shearlet变换方法对特有低秩分量进行融合;然后,采用区域能量融合策略实现特有稀疏分量融合;最后,共有低秩分量与融合后的特有低秩分量和特有稀疏分量相加得到最终融合图像。在Nato-camp、Bristol Eden Project和TNO公共测试数据集上进行的实验测试了所提算法性能。实验结果表明,与其他9种融合方法相比,所提方法能够有效地提取红外图像中的目标信息和保留可见光图像的背景信息,熵、互信息、标准差、视觉信息保真度、差异相关系数之和和 Qy 客观评价指标明显优于对比方法。