基于对比度增强的红外与可见光图像融合

为提高低亮度红外与可见光图像融合的视觉效果,提出了一种对比度增强的图像融合算法。使用双边滤波器对光照进行估计,提出了双边滤波子带分解多尺度Retinex变换,并在此基础上对原图像进行子带分解。使用基于局部空间频率的细节增强融合策略完成子带内系数融合,使用全局方差加权融合策略完成子带间系数融合。使用非线性拉伸法将融合结果由对数域映射到显示域。实验结果表明,该方法可有效消除光晕,提高融合图像清晰度,使细节信息更突出。     

多层级及对比度提升的红外和可见光图像融合

提出了一种针对红外和可见光图像的有效融合算法。首先,在Petrovi?多层级图像融合体系的基础上,在特征级信息中加入高频边缘分量,提高了融合质量;其次,分析了图像特点及目标的物理特性,提出了针对融合结果的对比度提升方法,进一步了提高融合质量。通过主观观察以及客观指标对比证明,该方法获得了优于其他比较方法的融合结果,并且对比度提升方法明显提高了各类方法的红外和可见光图像融合质量,效果好,具有广泛的适用性。     

基于NSST的红外与可见光图像融合算法

针对红外与可见光图像具有不同的特点,提出一种新的基于非下采样剪切波变换（NSST）的红外与可见光图像融合算法.算法首先采用NSST将已配准的红外与可见光图像进行分解,得到低频子带图像和各尺度各方向的高频子带图像;然后对低频子带图像采用一种基于显著图的低频融合规则进行融合,而对高频子带图像的融合,结合人眼视觉特性,采用一种基于改进的区域对比度的融合规则;最后,对融合的低频子带图像和高频子带图像进行NSST逆变换得到融合图像.实验结果表明,该算法能够有效地综合红外与可见光图像中的重要信息,融合效果要优于一般的基于NSCT、NSST的图像融合方法.     

基于目标增强的红外与可见光图像融合算法研究

针对传统多尺度变换融合方法不能有效保留红外图像中热辐射信息及高对比度特征,本文提出了一种基于目标增强多尺度变换的红外和可见光图像融合算法。首先,对可见光图像进行预处理,自适应地提高其对比度。其次,对红外和可见光图像分别使用拉普拉斯金字塔(LP)分解为高频以及低频分量。然后,使用分解后的红外低频信息确定低频段融合权重,并引入参数λ控制融合图像中红外信息比例。最后,使用拉普拉斯金字塔逆变换重构融合图像。实验结果表明,所提出的方法可以生成具有明显突出目标和丰富细节的融合图像,并在主观视觉和客观指标上具有更好的表现。     

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。     

基于红外与可见光图像融合技术发展与性能评价

红外图像可以全天候且不受光照条件影响的根据目标和背景热辐射差异来区分目标和背景。可见光图像可以通过人的视觉系统的高空间分辨率和清晰度来提供景物的质地和结构细节。因此将红外图像和可见光图像融合可以结合两种图像优势,融合后的图像效果预期良好。本文对传统经典方法和目前较新融合方法进行综述。首先回顾了红外和可见光图像的融合方法,其次选取了一些融合图像的性能评价指标,然后选择具有代表性的具体算法进行图像融合,根据融合图像结果获取评测指标,最后根据指标进行分析并对现状进行总结讨论,及对以后的工作发展方向进行展望。     

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AGF和CNN的红外与可见光图像融合

针对红外与可见光图像融合中出现的边缘模糊和细节丢失等问题,本文提出了一种基于交替引导滤波器(AGF)与掩膜引导卷积神经网络(CNN)的融合算法。首先,将源图像通过交替引导滤波分解为基础层与细节层;然后,将基础层通过能量属性的融合规则得到基础融合图像,细节层在基于掩膜引导的损失函数的指导下,通过卷积神经网络得到融合后的细节图像;最后,将基础融合图像与细节融合图像相加得到最终融合图像;实验结果表明,本文方法能够在突出显著热目标的同时保留丰富的背景边缘纹理信息,在客观评价指标上相较对比方法取得了更好的效果,证明了本文算法的优越性。     

基于FGF与VGGNet19的红外可见光图像融合

针对红外与可见光图像融合中出现红外目标不够突出以及边缘模糊等问题,本文提出了一种基于FGF(快速引导滤波)和VGGNet19的红外与可见光图像融合方法。首先,通过FGF将源图像进行双尺度分解;然后,利用VGGNet19网络得到初步融合权重图;其次,利用OTSU(最大类间方差法)来提取初步融合权重图的前景与背景,进行二值化;然后,对得到的二值图像使用FGF得到最终融合权重图;最后,相加再经过FGF和图像增强实现图像融合。实验结果表明,本文方法能够有效保留显著热目标,边缘细节清晰,在主观评价以及客观评价指标中均取得了更好的效果。     

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。     

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。     

可见光与红外图像组K-SVD融合方法

传统稀疏表示融合方法,以图像块进行字典训练和稀疏分解,由于没有考虑图像块之间的内在联系,易造成字典原子表征图像特征能力不足、稀疏系数不准确,导致图像融合效果不好.为此,本文提出可见光与红外图像组K-SVD(K-means singular value decomposition)融合方法,利用图像的非局部相似性,将相似...     

基于SGWT和多显著性的红外与可见光图像融合

由于谱图小波变换（Spectral Graph Wavelet Transform, SGWT）可充分利用图像在图域中的光谱特性,本文结合其对不规则小区域表达的优势,提出了一种基于多显著性的红外与可见光融合算法。首先应用SGWT将源图像分解成一个低频子带和若干个高频子带;对于低频系数,将多个互补的低层特征结合起来,提出了一种适合人眼视觉特征的多显著性融合规则,对于高频系数,充分考虑邻域像素的相关性,提出了一种区域绝对值取大规则;最后,应用了一种加权最小二乘优化（weighted least squares, WLS）方法对谱图小波重构的融合图像进行优化,在突出显著目标的同时尽可能多地保留可见光的背景细节。实验结果表明,与DWT（Discrete Wavelet Transform）、NSCT（Non-down Sampled Contourlet Transform）等7种相关算法相比,在突出红外目标的同时还能保留更多的可见光背景细节,具有较好的视觉效果;同时在方差、熵、Q_abf和互信息量4个客观评价上也均占据优势。     

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MSPCNN与FCM的红外与可见光图像融合

针对红外和可见光图像融合存在的轮廓信息不全、边缘及纹理细节信息缺失等问题,提出一种改进简化脉冲耦合神经网络（Improved Simplified Pulse Coupled Neural Network, MSPCNN）和模糊C-均值（Fuzzy C-mean, FCM）图像融合算法。首先,将红外和可见光图像用非下采样剪切波算法（NonSubsampled Shearlet Transform,NSST）分解为高低频子带;然后对分解后的高频子带采用MSPCNN融合,用一种高斯分布权重矩阵进行处理,增强细节信息和对比度;接着,将得到的低频子带图像使用FCM聚类算法进行聚类中心提取,设置聚类中心近似阈值简化过程,实现背景分类提取;最后利NSST进行逆变换,从而完成红外和可见光的图像融合过程。通过客观评价指标计算,本文所提方法在平均梯度、标准差、平均相似度等参考指标上相对于其他同类型算法均有改善提高,由于模型参数的简化,算法运行速度相对于其他算法得到提升,算法更适用于复杂场景。     

基于多阈值分割的红外与可见光图像融合

对基于NSCT分解的可见光和红外图像的融合算法进行了优化技术研究.在场景复杂或有多个区域需要同时关注时,低频子图融合阶段采用简单的二值化区域分割方法并不能将不同区域的感兴趣目标有效地反映到融合结果中.所以本文采用基于最大熵的多阈值分割方法,并对每一个分割区域计算其区域能量比指导融合系数的求取;高频融合阶段采用最能保持图像细节的梯度最大规则.实验结果表明本文算法能够将多个区域中的感兴趣目标很好地反映到融合结果中,并保留了可见光图像丰富的细节信息和分辨率高特征,融合图像具有更好的视觉效果.     

基于区域间相似度的红外与可见光图像融合算法研究

针对传统的红外图像与可见光图像融合算法存在局部模糊、背景信息不完整的问题,文章提出了一种新的融合算法。使用边缘检测算子实现图像轮廓的提取,同时还进行基于能量的加权融合处理;使用区域间相似度的方法实现信号域的提取,最后根据过信号强度进行图像的融合。为了验证算法的正确性,文章进行了对比测试,同时还使用标准差、信息熵和平均梯度3个参数进行了定量分析,本文方法和传统的加权平均算法相比标准差最大提高106.3%,测试结果表明,本文提出的融合方法融合效果更好,具有一定的实用价值。     

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。     

基于多特征的红外与可见光图像融合方法的研究

红外图像包含物体的温度信息,但其存在对比性差、纹理弱等缺陷,限制了应用,目前基于融合的方法能有效改善红外图像的视觉效果,但局限于简单的直接融合,忽略了背景等因素所含噪声的影响及各部分细节信息。文章在这方面做了进一步的研究工作,改进了现有方法的融合规则,提出先将目标从背景中提取出来再以温度阈值及纹理特征为依据分层次分区域融合,从而在细节上极大地改进了目标的视觉效果,提高了效率。最后对融合效果进行了定量评价和比较。实验结果证明处理后的图像能够比原图像获得更丰富的视觉信息。