基于偏振成像的红外图像增强

针对红外图像对比度低,细节纹理较弱的特点,利用物体偏振特性提出基于偏振成像的红外图像增强方法,即获取红外偏振度图像并与源光强图像融合。首先,分析了偏振成像理论,利用偏振成像技术获取偏振图像。其次,为了能够充分获取偏振度图中的信息,运用剪切波变换对图像进行多尺度分解。最后,采用区域特征匹配融合策略,得到增强图像。为测试方法的有效性,搭建实验装置,进行实拍图像实验。主观与客观评价结果均表明,增强后的图像较原图像具有更加丰富的图像细节与偏振目标信息,对目标识别与探测具有重要意义。     

基于局部能量匹配的红外偏振图像融合

针对红外偏振融合后图像边缘模糊不清和细节信息不明显等问题,本文提出了一种基于局部能量匹配的红外偏振图像融合方法。首先,融合偏振角图像和偏振度图像得到偏振特征图像;然后运用非下采样剪切波变换(NSST)把偏振特征图像和光强图像分解为低频子带和高频子带,运用顶帽(Top-hat)变换处理偏振图像的低频信息,提取目标;最后采用基于局部能量匹配和局部方差相结合的融合规则融合低频子带和高频子带。实验结果表明,本文算法与NSCT算法相比较,融合后图像的整体互信息值提高了8.7%,方差提高了3.9%,很好的保留了图像的细节信息。     

沙漠背景下红外偏振图像目标检测方法

红外偏振成像探测同时探测目标的强度辐射与反射偏振态,可以获取传统光学无法获取的目标。偏振探测获取的偏振度、偏振角等信息反映不同的物理特性,与强度图像有较强的互补性。针对该特性,提出一种沙漠背景目标红外偏振图像检测方法。使用一种改进的核模糊聚类算法对红外图像和偏振图像进行聚类处理;利用稀疏融合方法将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,以达到目标检测的目的。实验表明,提出的检测方法相对小波融合和拉普拉斯金字塔融合结果噪声更低、细节更清晰。     

红外偏振图像的目标检测方法

红外偏振成像探测通过对目标辐射和反射偏振态的探测,针对传统光学无法解决的问题,在目标检测方面取得高精度的结果,特别是在军事探测中,能够快速地将混杂在自然背景下的人造目标检测出来,以增强对目标的识别。偏振探测中所依据的强度、偏振度及偏振角信息反映出的不同物理特性,具有很强的冗余性和互补性。针对该特性,提出一种红外偏振图像的目标检测方法:首先使用Mean-Shift算法对红外图像和偏振度图像进行聚类处理;然后利用DS证据理论将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,达到目标检测的目的;最后通过仿真实验图像与小波融合图像结果的对比表明该算法的优势。     

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。     

基于偏振成像的可见光图像增强

为了改善可见光图像质量,提高对隐藏在自然背景中人造目标的探测率,采用了基于偏振成像的可见光图像增强方法,很好地凸显出人造目标,提供更多的细节与纹理信息。利用偏振成像方式获取偏振度、偏振角和椭率角图像,对多维偏振图像中的像素点在邦加球内进行聚类得到偏振特征图像,运用双树复小波对光强图像和偏振特征图像进行分解,低频子带采用主成分分析法,高频子带选用区域方差特征匹配的融合策略,得到增强图像。进行了户外实验,并理论分析得到了各个图像的性能指标数据。结果表明,增强后的图像较原图像具有更加丰富的图像细节与偏振目标信息,该方法有效可行,对目标识别与探测具有一定意义。     

简易分时型长波红外偏振成像系统研究

为了开展红外偏振成像技术研究工作,本文设计搭建了一个长波红外偏振成像系统,实现了目标分时成像。提出了一种改进的基于单像元非均匀性差分图像校正方法去除冷反射,基于Sobel边缘检测方法对图像进行配准,并对目标场景的偏振特性进行了分析。结果表明,设计搭建的系统能够获取目标场景的红外偏振信息,预处理后的图像能够满足实验需要,经过Stokes矢量方法得到的目标场景偏振图像边缘轮廓与细节信息更加丰富。为了进一步衡量实验系统的性能,对强度图像和偏振度图像进行了融合,融合后的图像与红外强度图像相比,图像评估质量得到明显提升,验证了实验系统的可行性。该技术在未来的复杂环境下提高目标探测效率具有应用价值。     

基于偏振的水下目标深度信息获取方法

随着三维技术在许多相关领域应用日益广泛,目标深度信息精确获取变得日益重要。针对水下应用领域,提出了一种基于偏振的水下目标深度信息获取方法,该方法先通过暗原色先验知识对图像进行背景区域划分,使用背景区域光强计算出后向散射光的偏振度,结合光强和偏振度计算出各像素点的后向散射光强,利用水体光强衰减公式求得各通道的深度信息,进行融合处理得到水下目标深度信息。实验结果表明,该方法能精地获取水下目标的深度信息,且精度和效率优于基于暗原色先验的去雾方法。     

基于局部能量与模糊逻辑的红外偏振图像融合

针对红外偏振与红外光强图像的成像特征差异,提出了一种基于 NSCT(Nonsubsampled Contourlet Transform)的红外偏振与红外光强图像的新融合算法.该算法首先采用NSCT对源图像进行多尺度、多方向分解,然后对低频子带图像采用局部能量融合规则,融合后再对低频融合图像进行直方图均衡化处理,而对高频方向子带图像采用了模糊逻辑,根据各图像的特征差异来分别选择基于像素、基于区域和加权平均的融合规则,再对得到的各个子带图像进行NSCT重构,从而得到最终的融合图像.通过实验仿真表明本文算法能有效的融合源图像的互补信息,使得该算法在目标识别中具有一定的优势和现实意义.     

典型背景和目标的长波红外偏振成像实验研究

红外成像可以获得目标的强度信息,偏振成像可以获得目标的偏振信息,二者结合更有利于目标的探测识别。实验选用天空中飞机、海面上船只、草地上车辆三种典型自然背景下的典型目标作为研究对象,并利用自行研制的四通道同时长波红外偏振成像系统实现图像采集。实验结果表明,相对于传统的长波红外成像,长波红外偏振成像具有以下优势:长波红外偏振度图像在一定情况下具有更高的图像对比度,有利于目标的探测识别;长波红外偏振角图像可以突出目标细节,有利于观察者对场景内容的理解;长波红外偏振度和偏振角图像在一定情况下可以抑制杂波干扰,有利于杂波情形下的目标成像研究。     

基于结构与分解的红外光强与偏振图像融合

在一些特定环境下,红外传感器无法探测到目标时,需要将偏振技术与红外技术相融合。为了获得更清楚的融合图像,采用一种基于多尺度结构分解的图像融合方法实现红外光强与偏振图像融合。该算法提出将红外图像与偏振图分解成3个独立部分：平均强度、信号强度和信号结构。其中平均强度部分,采用一种反正切的权重函数进行融合,信号强度采用最大值的融合原则,而信号结构采用一种基于信号强度幂函数的加权平均方进行融合,最后重构得到融合图像。为了更快进行融合、降低计算的复杂度,将分解过程通过均值滤波代替,再通过上采样与下采样得到最终的融合图像。为了得到更好的融合图像,通过不同融合参数实验对比,选择较优的融合参数。最后实验表明使用所提出的反正切权重函数与融合参数设置,在与传统的多尺度算法的比较中,4项评价指标取得优势,且主观上保留更多的纹理细节、提升对比度以及抑制伪影。     

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。     

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。     

基于红外目标特征提取的图像融合方法

为有效突出红外目标,同时尽可能多地保留可见光图像中的纹理细节信息,使得最终的融合图像更符合人类视觉感知效果,本文提出一种新的基于红外目标特征提取的红外与可见光图像融合方法。首先,利用高斯滤波器将源图像分解为粗略尺度信息和边缘纹理细节信息;对红外图像的边缘纹理细节信息进行去“光晕”分解,在此基础上进一步利用OTSU多阈值分割算法将红外图像分割为目标区域、过渡区域和背景区域;最后,依据分割结果确定各分解子信息的融合权重,以有效地将红外目标信息注入到可见光图像中,同时尽可能多地保留可见光图像中重要的场景细节信息。实验结果表明,本文方法无论从主观视觉还是客观评价指标上,都要优于目前常用的有代表性的图像融合方法。      

基于双分解的双通道PCNN红外与可见光图像融合

为解决红外与可见光图像融合过程中存在的对比与清晰度较低和小目标易丢失等问题,提出了基于在双分解模型下的双通道PCNN(dPCNN)图像融合算法。首先对两幅源图像进行预增强处理,通过鲁棒的主成分分析(RPCA)将处理后图像分解为稀疏层与低秩层,接着,再利用非下采用剪切波变换(NSST)对的稀疏层进行多尺度分解得到低频子带与高频子带,然后对低秩层和低频子带采用局部加权能量与拉普拉斯能量两者取大的规则进行融合,对高频子带则利用dPCNN的点火图进行融合,最后将得到的融合成分进行逆变换或合成来得到最终融合图像。实验表明,该算法的融合图像目标信息对比突出、小目标信息明显,对源图像信息保留较好,客观评价指标也明显也优于其他算法,其中互信息有了大幅度的提升,有效地提升了红外与可见光图像的融合效果。     

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。     

基于卷积神经网络的红外图像融合算法

红外图像与可见光图像融合的目的是为人类观察或其他计算机视觉任务生成信息更加丰富的图像。本文针对深度学习近年来在计算机视觉领域取得的巨大成功,提出一种基于卷积神经网络的红外与可见光图像融合算法。首先,使用引导滤波和高斯滤波器组成的尺度感知边缘保护滤波器对输入的源图像进行多尺度分解,基础层利用像素强度分布的加权平均融合规则进行融合,细节层借助卷积神经网络对空间细节进行提取融合。实验结果表明,本文算法可以较好的将特定尺度信息进行保存,并减小滤波对边缘细节带来的光晕影响,融合后图像噪声较少,细节呈现的更加自然,并且适合人类视觉感知。     

自适应标准差特征的压缩感知图像融合

针对传统压缩域融合算法单一、融合效果不佳的问题,文中提出了结合图像高频特征的自适应融合规则。首先,对融合图像进行 NSCT变换,分解后得到的低频子带系数采用区域能量融合规则,以获取较传统低频系数处理更好的融合效果; 由于分解后的高频子带系数具有较高稀疏性,因此通过 CS 进行压缩后自适应选择融合规则,最后对重构系数进行 NSCT逆变换。实验结果表明：与传统经典算法相比,新方法兼顾了待融合图像的背景信息和红外目标信息,有效提高了图像的融合效果。     

一种基于频域的红外与可见光图像融合新算法

引入具有详细数学表达的多小波——V-系统,利用V-系统的多分辨性和NSCT的多方向性,对红外和可见光图像进行多层次、多方向分解,各层次各方向采用不同的融合方案进行图像融合。首先对源图像进行多层V-分解,得到图像的轮廓信息和多层细节信息;接着用NSCT对V分解得到的轮廓信息再分解,得到相应的低频和高频系数,低频系数用基于稀疏表示的融合规则融合,高频系数用基于二维Log-Gabor能量的融合规则融合,将改进的脉冲耦合神经网络融合规则用于V分解得到的细节信息的融合;最后,经过相应的逆变换得到融合图像。本文算法从不同层面、不同方向对源图像分解,使得源图像的细节得到细致刻画,同时多种融合方案的结合,使得融合图像的细节信息更加清晰,对比度得到提高,客观指标也有显著提高。