基于MSER的红外与可见光图像关联特征提取算法

关联特征提取是红外与可见光图像配准、融合和变化检测等应用中的关键步骤。针对同一场景红外与可见光图像间关联特征难以正确提取的问题,基于最稳定极值区域(MSER)算法,提出了一个仿射不变的关联特征提取方法。该方法主要包括3个步骤：(1)提取红外与可见光图像中的最稳定极值区域;(2)对特征区域进行椭圆拟合;(3)规则化处理,消除形变干扰,输出便于描述和匹配的一致性特征。实验结果证明了该算法在红外与可见光图像关联特征提取中的有效性。     

基于整体变分的红外和可见光图像融合

针对红外与可见光的融合图像存在对比度低、场景细节信息不清晰的问题,提出基于整体变分的红外和可见光图像融合方法。该方法将每次迭代后的融合图像分别与可见光和红外图像进行差分运算,作为整体变分模型的正则项和保真项。同时,引入关于红外图像的非增扩散函数来引导扩散,抑制红外图像边缘信息的平滑,从而把图像融合问题转化为图像去噪问题,最终转化为一个泛函求极值问题。实验结果从视觉质量及客观评价上验证了该方法的有效性。     

改进双路径生成对抗网络的红外与可见光图像融合

为了使融合图像保留更多源图像的信息,该文提出一种端到端的双融合路径生成对抗网络(GAN)。首先,在生成器中采用结构相同、参数独立的双路径密集连接网络,构建红外差值路径和可见光差值路径以提高融合图像的对比度,引入通道注意力机制以使网络更聚焦于红外典型目标和可见光纹理细节;其次,将两幅源图像直接输入到网络的每一层,以提取更多的源图像特征信息;最后,考虑损失函数之间的互补,加入差值强度损失函数、差值梯度损失函数和结构相似性损失函数,以获得更具对比度的融合图像。实验表明,与多分类约束的生成对抗网络(GANMcC)、残差融合网络(RFnest)等相关融合算法相比,该方法得到的融合图像不仅在多个评价指标上均取得了最好的效果,而且具有更好的视觉效果,更符合人类视觉感知。     

基于可见光和红外图像融合的汽车抗晕光方法

针对夜间汽车行车因前大灯使用不当而产生的晕光问题,提出了一种基于可见光与红外图像融合的汽车抗晕光方法,以提高夜间行车的安全性能。该方法通过对可见光图像做IHS变换,将提取到的亮度分量与红外图像进行小波变换,获得新的亮度分量后,再与原始可见光图像的色度分量和饱和度分量进行IHS逆变换,实现既能消除晕光现象又能保留图像细节的目的。对可见光和红外图像融合算法处理结果的主观评价与客观数据分析,表明本文提出的方法可以有效消除夜间汽车行车时的晕光现象,改善传统IHS变换的光谱扭曲性,提高小波变换的速度。     

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.     

基于红外双波段数据融合点目标检测算法的实现

在红外系统中,采用单波段的目标检测,通常不能很好地满足系统要求,考虑到红外系统的双波段探测特性,提出了一种基于双波段的红外点目标检测算法,并进行优化,采用迭代方式,容易得到次优的融合后的探测概率。实验表明,该融合后的检测概率与单波段探测概率相比有较大幅度的提高,并且即使在一个探测器水平退化的情况下,仍能优于单波段的探测器。系统仿真实验显示采用该融合算法有着相当稳健性和较大的应用价值。     

基于图像退化模型的红外与可见光图像融合方法

基于深度学习的红外与可见光图像融合算法依赖人工设计的相似度函数衡量输入与输出的相似度,这种无监督学习方式不能有效利用神经网络提取深层特征的能力,导致融合结果不理想。针对该问题,该文首先提出一种新的红外与可见光图像融合退化模型,把红外和可见光图像视为理想融合图像通过不同退化过程后产生的退化图像。其次,提出模拟图像退化的数据增强方案,采用高清数据集生成大量模拟退化图像供训练网络。最后,基于提出的退化模型设计了简单高效的端到端网络模型及其网络训练框架。实验结果表明,该文所提方法不仅拥有良好视觉效果和性能指标,还能有效地抑制光照、烟雾和噪声等干扰。     

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.     

基于红外目标提取的夜视图像融合实时系统研究

研究的图像融合技术是以微光图像作为背景,红外图像作为目标,两光路图像经过合光棱镜进行光学投影融合的实时融合技术。为了具备良好的融合效果,红外图像经过预处理后,用改进的Otsu算法进行图像分割来实现目标提取,提取后的红外目标经过改进的伪彩色变换方法进行处理后在OLED上显示。融合后的系统实时性好,既可以得到微光细节丰富、较接近可见光视觉感受的背景,也可得到对比度明显的红外伪彩色目标,对于战场上的士兵观察环境和快速寻找目标有很大的帮助。     

基于关键帧提取的红外与可见光序列图像快速融合

针对静态图像融合方法对于序列图像无法同时满足融合速率及融合质量的问题,提出了一种基于关键帧提取的红外与可见光序列图像快速融合方法.首先对红外和可见光图像序列进行关键帧提取,为体现本文方法的普遍适用性,选取静态图像中融合效果好的算法将两序列中对应的关键帧融合,如小波变换以及主成分分析法.然后对剩余图像帧利用最简单快捷的加权平均算法进行融合.而且相较于现有的只针对于目标进行提取和融合来提高融合速率的序列图像融合方法,在不明确目标的情况下,本文方法对整幅图像进行融合,更加合理且融合结果更适合人眼观察.最后通过对同一场景相同帧数的红外与可见光序列图像进行融合,实验结果表明本文基于关键帧提取的融合方法快速且保证了融合质量.     

可见光和红外图像决策级融合目标检测算法

为了提高可见光和红外图像决策级融合目标检测算法的性能,提出了一种基于模型可靠性的决策级融合策略。首先采取图像预处理技术提高红外图像的整体质量,之后对可见光与热红外目标检测模型分别进行训练测试,根据模型测试结果得到融合策略所需参数,依据所提出的融合策略对模型检测结果进行融合,得到最后的融合检测结果。实验结果表明,相比于单一目标检测模型的检测结果,所采用的融合算法在白天的漏检率比可见光检测模型降低了8.16%,夜间漏检率比红外检测模型降低了9.85%。     

基于NSCT的红外与可见光图像融合

针对红外与可见光图像特点,提出一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像融合算法。该算法对源图像进行NSCT分解,得到低频分量和各带通方向子带分量;引入图像区域相关系数决策度,对低频分量和带通方向子带分量采用不同的融合规则进行融合;最后经过NSCT逆变换得到融合图像。实验证明,该方法可以更好地保留目标信息和图像细节信息。     

基于QPSO和统计特征的红外与可见光图像融合

为解决红外图像与可见光图像融合中融合图像质量不高问题,提出了一种结合量子粒子群优化和邻域统计的图像融合方法。红外和可见光源图像经过多尺度分解成为低频和高频子带。对低频子带,采用系数加权平均的融合策略,并通过量子粒子群优化方法搜索最优的融合权值;对于高频子带,采用受邻域统计信息调制的系数比较取大融合策略,通过逆变换重构图像得到融合结果。实验结果表明该算法能够很好地将红外图像与可见光图像进行融合,且融合效果优于其它一些算法。     

基于决策融合的红外与可见光图像人脸识别研究

可见光图像受光源影响较大,红外图像可以独立光源,但对温度变化比较敏感,而红外与可见光融合的人脸识别方法被证明比任意单一识别更有效.为了提高人脸识别的鲁棒性,提出了一种基于决策融合的红外与可见光图像人脸识别方法,即加权求和与求最大值组合的图像决策融合方法.对红外与可将光人脸图像分别采用PCA与线性辨别分析相结合的方法进行特征提取和识别,并利用获得的识别结果与它们各自的置信度进行决策融合,确定最终的人脸识别结果.实验表明,可以有效提高人脸识别性能和对各种应用环境的适用性.     

视觉多通路机制启发的多场景感知红外与可见光图像融合框架

现有的红外与可见光图像融合算法往往将日间场景与夜间场景下的图像融合视为同一个问题,这种方式忽略了在日间场景与夜间场景下进行图像融合的差异性,使得算法融合性能受限。生物视觉系统强大的自适应特性能够在不同场景下最大限度地捕获输入视觉刺激中的有效信息,实现自适应的视觉信息处理,有可能为实现性能更为优异的红外与可见光图像融合算法带来新的思路启发。针对上述问题,该文提出一种视觉多通路机制启发的多场景感知红外与可见光图像融合框架。其中,受生物视觉多通路特性启发,该文框架中设计了分别感知日间场景信息与夜间场景信息的两条信息处理通路,源图像首先分别输入感知日间场景信息与感知夜间场景信息的融合网络得到两幅中间结果图像,而后再通过可学习的加权网络生成最终的融合图像。此外,该文设计了模拟生物视觉中广泛存在的中心-外周感受野结构的中心-外周卷积模块,并将其应用于所提出框架中。定性与定量实验结果表明,该文所提方法在主观上能够显著提升融合图像的图像质量,同时在客观评估指标上优于现有融合算法。     

一种自适应的红外与可见光图像融合算法

通过一种自适应算法对红外图像和可见光图像进行了融合,该方法能根据当前环境下的图像特性自适应地调整融合参数。分析了红外与可见光图像的特性,并对已有的小波融合算法进行仿真验证,最终提出了基于小波变换的自适应融合算法,并对其进行了测试。实验结果表明,该方法产生的融合图像更有利于人眼观察,且融合性能指标也有所提升。     

基于目标跟踪和多特征融合的火焰检测算法

针对目前视频火焰检测算法无法达到高检测率、低误检率和实时的工业需求,提出一种基于目标跟踪和多特征融合的火焰检测算法.首先利用混合高斯背景建模获取前景图像,在HSV色彩空间中根据火焰的颜色特性分离出疑似火焰区域,对火焰疑似区域采用卡尔曼滤波器实现运动目标的跟踪,再结合火焰的相似度、区域增长率和跳动频率特征用加权求和得到的值与报警阈值相比,最后根据判断比较确定真实火焰区域,并且实现对火焰的持续跟踪.实验结果证明,该算法能够对火焰区域进行有效的检测与跟踪并且具有良好的实时性和抗干扰能力.     

一种新的红外与可见光图像像素级融合方法

提出了一种使用指导性滤波进行像素级图像融合的方法。首先对红外图像进行最大值滤波处理以获取其中的高亮信息;然后使用原始红外图像作为指导图像对高亮部分做滤波,处理结果直接叠加在可见光图像上;最后将叠加图像进行伽玛校正以调整对比度,得到最终融合输出。实验结果表明:该算法能够充分利用红外与可见光图像各自的优势,融合效果较好,且计算复杂度低,易于实时处理。     

基于对比度增强与多尺度边缘保持分解的红外与可见光图像融合

在低照度环境下拍摄的可见光图像可视性较差,若将其与红外图像直接融合会导致融合结果清晰度不理想。针对这一问题,该文提出一种基于对比度增强与多尺度边缘保持分解的图像融合方法。首先,在融合之前采用基于导向滤波的自适应增强算法提高可见光图像中暗区内容的可视性。其次,通过一种尺度感知边缘保持滤波器对输入图像进行多尺度分解。再次,应用频率调谐滤波构造显著图。最后,利用由导向滤波生成的权重图重构融合图像。实验结果表明,所提方法不仅可以使细节信息更突出,而且还能够有效地抑制伪影。     

基于Curvelet变换的图像融合改进算法

针对红外与可见光图像的融合,提出了基于二代Curvelet变换的图像融合改进算法。首先对两幅源图像进行Curvelet变换,得到其在不同尺度和方向下的变换系数。对于低频系数,根据红外与可见光图像的不同成像特点,采用基于局部统计特性的自适应融合策略;对于不同尺度和方向下的高频系数,采用基于局部区域能量匹配的系数选择方案。最后进行Curvelet逆变换得到融合图像。通过实验结果的对比分析,该算法可以更有效地反映源图像中的特征,融合效果有了明显改善。