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。     

可见光与红外图像分区融合的夜视抗晕光方法

针对夜视晕光图像区域特征差异大,导致融合图像视觉效果不理想的问题,提出一种可见光与红外图像分区融合的夜视抗晕光方法。先采用自适应阈值迭代法确定低频系数的晕光阈值,将低频系数划分为晕光与非晕光区域,在晕光区域采用非线性红外系数权值调节策略,依据图像晕光程度合理消除晕光;在非晕光区域采用灰度均值先验权值调节策略,提高较亮图像参与融合的权值,增强暗处区域的可见度。实验结果表明,本文方法对不同程度的夜视晕光场景均具有良好的适用性,能合理且有效地消除晕光,提高夜视融合图像的质量。     

可见光与红外融合的汽车抗晕光图像评价方法

为了解决汽车抗晕光场景中,融合图像质量的客观评价与人眼视觉效果不一致的问题,提出了一种新的可见光与红外融合图像质量评价方法,该方法通过设计自适应迭代阈值法自动确定融合图像的晕光临界灰度值,并将融合图像自动分为晕光区和非晕光区.针对晕光区,设计晕光消除度指标评价晕光消除的效果;针对非晕光区,从多方面评价色彩、细节信息的增强效果,并甄选出合适的指标构成完整的图像质量评价体系.为验证该方法的合理性,对采用4种不同算法的融合图像进行评价,实验分析表明,该方法的主客观评价结果一致,适于评判不同可见光与红外融合的抗晕光图像质量及算法的优劣.     

改进IHS-Curvelet变换融合可见光与红外图像抗晕光方法

为了解决夜间会车滥用远光灯造成驾驶员晕光的问题,提出一种在IHS色彩空间下改进Curvelet变换融合可见光与红外图像的抗晕光方法。该方法通过改进Curvelet变换实现图像二维细节信息的有效表达,提高图像清晰度,其中提出的低频系数权值自动调节融合策略能够将晕光信息剔除,避免其参与融合过程;与IHS变换相结合能够保留原图中的色彩信息,避免色彩失真。对实验结果的主客观分析表明,该方法消除晕光比较彻底,与IHS-小波融合相比,融合图像的标准差、平均梯度、边缘强度、信息熵分别提高了47.15%、53.10%、52.46%、4.45%,对比度和清晰度显著提升,细节信息也更加丰富,人眼视觉效果更好,有利于驾驶员观察前方路况,提前做出预判,消除安全隐患,提高夜间行车的安全性。     

夜视抗晕光融合图像自适应分区质量评价

针对夜视晕光场景中,高亮度晕光信息导致现有红外与可见光融合图像评价方法失效的问题,该文提出一种自适应分区的融合图像质量评价方法。该方法根据可见光图像的晕光程度自动确定自适应系数,并通过迭代计算可见光灰度图像的晕光临界灰度值,将融合图像自动分为多个晕光区和非晕光区;在晕光区由设计的晕光消除度指标评价融合图像的晕光消除效果;在非晕光区从融合图像自身特性、对原始图像信息保留程度以及人眼视觉效果3方面评价融合图像纹理色彩等细节信息的增强效果;通过对4种不同抗晕光算法的融合图像进行评价分析,甄选出9种客观评价指标构成夜视抗晕光融合图像质量评价体系。不同夜视晕光场景下的实验结果表明,所提方法能够全面、合理地评价红外与可见光融合的抗晕光图像质量,解决了融合图像晕光消除越彻底客观评价结果反而越差的问题,也适于评判不同抗晕光融合算法的优劣。

     

基于多核异构的异源图像融合抗晕光系统设计

针对异源图像融合抗晕光算法复杂,应用于视频实时处理困难,设计了基于嵌入式多核异构架构的异源图像融合抗晕光系统。将系统控制和图像融合抗晕光算法分别在ARM和FPGA中实现,解决了数据串行和任务顺序执行导致的系统实时性问题,消除了融合图像中的晕光痕迹。经实验验证,多核异构的抗晕光系统晕光消除度和系统实时性均满足系统需求。     

基于HSV和小波变换的视频抗晕光研究

汽车夜间会车滥用远光灯会造成晕光现象,对逆向车辆司机的视野造成干扰,导致无法看清路况极易诱发交通事故.本文从视觉观察角度出发,利用可见光和红外图像成像特点的互补性,提出HSV色彩空间变换结合小波变换的方法对图像进行融合,解决夜间行车晕光问题,提高行车安全性.通过对融合结果的主客观分析,本文算法有效消除了晕光,同时图像均值接近120,信息熵为7.1768,基本达到最佳视觉观察效果.     

基于小波变换的红外与可见光图像融合技术研究

随着传感器技术的发展,单一的图像传感器往往不能够从场景中提取足够多的信息,需进行多源图像融合.为了解决多传感器图像所表现的目标特征不一致的问题,本文采用小波变换对红外及可见光图像进行了融合.首先利用小波变换将图像进行多尺度分解.对于高频部分融合,取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵;针对低频部分融合,采用基于领域像素相关和基于区域方差相结合的策略.实验结果表明,该算法将红外与可见光图像对同一目标所表现出的不同特征、细节有效地融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图像处理系统获取信息提供了基础.     

基于图像信息的红外与可见光图像融合方法研究

研究了红外图像与可见光图像的融合问题,提出了一种基于图像信息的图像融合新算法.首先利用非采样Contourlet变换的多分辨率特性和平移不变性对图像进行多尺度和多方向分解,得到一系列子带图像,然后针对图像变换后各带通方向子带高频系数的特点,提出了度量图像信息的融合规则.图像的低频部分决定了图像的轮廓,对低频子带应用简单...     

红外与可见光图像融合中的快速配准方法

红外与可光传感器目标跟踪识别系统中常用的两种传感器，对这两种传感器图像进行有效的融合能大大提高探测识别的准确性和可靠性。快速准确地实现图像配准是图像融合的前提，为此提出了一种基于小波变换的快速算法，有利于实时准确地实现图像配准。     

基于Shearlet变换的红外与可见光图像自适应融合

提出一种基于Shearlet变换的红外与可见光图像自适应融合算法。算法首先对待融合图像进行Shearlet变换;然而采用粒子群优化算法确定出低频成分的最佳融合权值,自适应地对红外与可见光图像的Shearlet低频系数进行整合,利用Shearlet变换对边缘、轮廓等细节特征的准确定位,采用加权局部能量最大准则对Shearlet高频系数进行融合;最后对融合系数进行逆Shearlet变换得到融合图像。与现有的部分算法进行对比实验,结果表明本文算法获得较好地融合效果。     

基于特征融合的可见光与红外图像目标检测

为提升目标检测任务在复杂环境下的识别效果,提出了一种基于特征融合的红外与可见光目标检测方法。该方法首先采用并列的卷积神经网络分别提取红外和可见光特征信息,并利用通道和空间注意力机制提升有效特征的权重;其次,为充分利用红外和可见光特征进行信息互补,设计了特征自适应融合结构,以自主学习方式将红外与可见光特征以最优方式加权融合;最后,针对不同尺度目标,通过交替采样方式充分融合深层和浅层特征,保障各维度目标检测效果。通过实验表明,所提方法可以充分利用并融合不同模式、尺度的目标特征信息,实现目标准确识别及定位。同时,在实际电网设备检测中,该方法也体现出较优的鲁棒性和泛化性。     

红外与可见光图像多特征自适应融合方法

为解决可见光图像可视性差与如何精确控制可见光与红外图像输入量的问题,本文提出一种结合图像自适应增强与独立性、聚焦度、对象性等显著性检测的可见光与红外图像融合算法。首先在可见光图像中引入自适应增强算法提高图像纹理细节的可见性,并对红外图像归一化处理,其次将处理后的图像利用引导滤波分解为细节层与基础层,利用显著性检测生成细节层的权重图,提高细节层中可见光图像背景信息与红外图像边缘信息的精确融合量,最终将依据权重值融合后的细节层与基础层组合得到最终的融合图像。为验证本文算法的优越性,选取图像熵、平均梯度、边缘强度、空间频率、视觉保真度、平均灰度等6种融合评价指标对融合图像定量分析,并利用YOLO v5（You Only Look Once）网络对各融合算法进行目标检测,结果表明本文算法在融合定性评价、定量评价与目标检测评价指标平均精度中达到最优。     

基于局部能量的NSCT域红外与可见光图像融合算法

提出了一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像融合方法。首先对红外和可见光源图像进行多尺度、多方向分解;在低频系数上,采用基于局部能量比与基于局部能量加权相结合的方法进行融合;在高频系数上,定义了局部尺度方差的概念,并以局部尺度方差为测度进行取大融合;最后对融合系数进行重构得到融合图像。使用该算法对两类不同目的的红外与可见光图像进行了融合实验,实验结果表明,文中提出的算法在保留图像细节信息、增加信息量、方便目标检测方面都有显著地提高。     

基于AWNV的红外与可见光图像Tetrolet域融合方法研究

针对红外(IR)和可见光(VL)图像融合中边缘纹理和细节特征融合不理想等问题,提出了一种基于Tetrolet变换的红外和可见光图像的融合方法。将Tetrolet变换后的红外和可见光图像的低通子带采用基于加权平均的融合方法得到低通融合系数,而对高通子带提出了一种基于自适应邻域方差加权(AWNV)的融合规则得到高通融合系数,最后通过Tetrolet逆变换得到融合图像。采用多种图像进行融合实验,实验结果表明,经该方法得到的融合图像信息量更大,特征纹理更为丰富,能够得到比较好的融合效果。     

基于NSUDCT的红外与可见光图像融合

针对同一场景的红外与可见光图像,提出了基于非下采样均匀离散Curvelet 变换（NSUDCT）的图像融合方法。首先使用标记控制的分水岭分割（MCWS）算法对源图像进行区域分割,对各分割结果进行叠加得到联合区域图。然后对源图像进行非下采样均匀离散Curvelet 分解,分解后的低频系数采用区域对比度和区域标准差作为量测指标进行融合,高频方向系数使用基于局部能量的融合规则进行融合,并对融合系数做一致性检测。最后通过各频带融合系数重建得到融合图像。实验结果表明文中方法取得了比较好的视觉效果和量化数据,相比基于NSUDCT 的像素融合方法,此文方法的熵值提高了9.87%,交叉熵减少了68.04%,互信息提高了80%。     

红外与可见光图像配准和融合中的关键技术

针对可见光与红外图像的特点和难点,提出了可见光与红外图像配准与融合中的关键技术,即:使用新型的基于一维最大类间方差和最大连通性测量的图像分割方法对源图像进行分割来更好地实行图像粗配准;使用新型的特征点提取方法,特征点的匹配及误匹配的消除来更好地实行图像精配准;采用新型的基于区域的树状小波活性测度计算来实现树状小波图像融合;利用自生成神经网络来实现模糊图像融合.     

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。     

基于特征提取的红外与可见光图像融合

为提高红外与可见光图像融合的效果,加快融合算法处理速度,提出了一种基于特征提取的图像融合算法。改进了数学形态学中的顶帽运算,用于提取源图像的特征图像及背景图像;设计融合规则,对特征图像及背景图像分别进行融合处理;最后重构得到融合图像。另外,对本文融合方法的参数选择进行了分析,并且设计了适用于背景图像融合的自适应加权融合规则。实验表明,该融合方法能有效获取源图像的特征信息,提供丰富的背景信息,运算速度快,易于硬件实现。     

基于红外与可见光图像融合的交通标志检测

针对大多数交通标志检测方法易受光照和天气影响的问题,提出一种基于红外与可见光融合的交通标志检测方法。首先,分别在红外与可见光图像中提取交通标志的形状和颜色特征,对目标进行粗定位,并将结果放入候选组内进行分类与整理;然后,将候选组放入卷积神经网络,对粗定位结果赋予相应的置信度;最后,根据置信度对红外与可见光的粗定位结果进行决策融合,并将融合结果展示在可见光图像中。实验结果表明,该算法对检测环境的变化更加鲁棒,在白天、夜晚和不良天气等多种环境下有效地提高了检测效率,具有良好的适用范围。