面向双模态红外图像差异的拟态融合方法

针对传统融合方法无法根据双模态红外图像差异特征的不同选择有效的融合策略的问题,提出了一种面向红外光强与偏振图像差异的拟态融合方法。首先计算图像特征差异度对差异特征进行粗筛,制定主差异特征类型的选取规则来确定图像组的主差异特征;然后构造特征融合度,以建立差异特征与拟态变元集中各层变元的映射,确定变元分层结构;最后在变元分层结构选择主差异特征类型的各层变元,比较不同拟态结构变元组合时差异特征的特征融合度,确定其最大值占比最高的拟态结构,形成变体。实验结果表明,经主观分析本文方法结果的视觉效果比对比方法结果的效果更优;经客观评价本文方法结果均为有效融合,因此本文方法实现了对融合策略的自适应选择并提高了图像的融合质量。     

差异特征与融合算法的集值映射关系的建立

针对红外偏振和光强图像现有融合算法无法随着图像差异特征的变化而优化选择的问题,提出了图像差异特征和融合算法的集值映射关系的建立方法.通过图像差异特征的分析与提取构建了差异特征集,将典型融合算法构建为融合算法集,利用数据包络分析法计算每个差异特征对各融合算法的融合有效度并构造融合有效度分布,通过对多组图像的融合有效度分布合成,建立差异特征与融合算法的集值映射关系.实验证明,所建立的集值映射关系可以优化选择融合算法,将互补性强的差异特征有效融合.     

基于余弦值的红外光强与偏振图像特征差异度的度量方法

现有差异特征驱动的红外光强与偏振图像融合方法中,特征的选择上数量多,存在信息冗余,通过提取图像特征再求差来获取差异特征不能充分表征图像间的差异。本文提出一种基于余弦值的红外光强与偏振图像特征差异度的度量方法。通过对源图像提取特征图,将亮度、纹理、边缘三类特征进行分离,避免了图像特征选择的困难;定义了特征差异度,从特征图提取得到特征向量,再计算其差异度,对图像的差异进行了量化;最后,通过实验验证了所提方法的合理性和有效性。     

红外偏振与红外光强图像的融合研究

分析了红外偏振与红外光强的成像特性差异,提出了基于局部能量的支持度变换融合方法.实验结果表明,融合图像综合了两幅图像的冗余信息,使图像更清晰,信息更加丰富.融合图像同原红外偏振和光强图像相比,局部标准偏差分别提高了13.67%和11.51%;局部熵分别提高了16.46%和1.95%;平均梯度分别提高了15.41%和44...     

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Directionlets变换的偏振图像融合

论文提出一种有效的基于Directionlets变换的偏振图像融合算法.首先采用多方向多尺度的Directionlets 变换对多个偏振图像进行分解,对于分解后的低频系数采用加权平均融合算法;根据高频子图边缘分布差异,对于方向高频系数采用2维Teager能量的边缘检测算法以及区域方向对比度算法实现偏振图像的融合处理.实...     

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.     

基于分形特征和平均梯度的多聚焦图像融合

研究了基于分形特征和平均梯度组合加权的多聚焦图像融合方法。针对单一特征只能表达图像的部分属性,难以得到理想融合结果的问题,在多尺度变换的基础上,提出了基于分形特征和平均梯度组合加权的图像融合算法。对多聚焦图像进行了融合处理,实验结果表明,该算法优于一些基于单特征的融合算法,进一步提高了融合图像的质量。     

基于多尺度边缘表示的偏振图像二次融合算法

针对传统成像技术探测信息量少以及传统图像融合方法计算量大,不能凸显边缘轮廓的问题,提出一种基于多尺度边缘表示的偏振图像二次融合方法。首先,对同时偏振成像系统获取的4个偏振角度图像进行多尺度边缘去噪、配准预处理。然后一次融合,即将预处理后的4个偏振角度图像进行二进小波分解,在不同尺度上对低频、高频系数进行特定组合,计算得到Stokes向量［I Q U V］T,线偏振度(DOLP)和偏振相位角(AOP)等偏振信息;二次融合,即是根据边缘相关性原则融合偏振强度图像和线偏振度图像经小波分解后的高频系数,低频用区域能量的方法。最后,采用交替投影迭代法重构融合图像的低频、高频系数,得到重构图像。实验结果表明,本文算法的融合性能优于传统方法。以小波变换法为参考,平均值提高65.48%,标准差提高95.98%,平均梯度是传统小波的6.45倍,边缘强度是小波变换的5.54倍。本算法提高了运算速度,结合了强度图像亮度信息和线偏振度图像反映不同物体性质的特点,突出了目标轮廓细节,能很好地识别隐藏、伪装的目标。     

云环境下拟态应用行为预测方法研究

面对一些成熟的商业云,装配拟态服务组件可以为云上应用赋能内生安全。为了能够提供多应用与拟态服务组件集群的协同,文中首先提出并设计了拟态调度管理组件,通过高效调度拟态服务组件集群来满足拟态服务组件与云平台的融合协同需求。为了进一步优化所提出的拟态调度管理组件,文中同时研究了拟态调度管理组件中的预测算法,使用擅于处理线性关系的ARI-MA模型与擅于处理非线性关系的RBF模型组合,通过离线方式实现对云上应用行为预测。经过大量仿真实验,证明采用的组合模型的预测性能优于单个预测模型使用,能够以较高的准确率进行预测。     

基于HSV空间的红外偏振图像改进融合算法

研究了偏振产生的原理和基于标准HSV颜色空间的偏振融合,并根据红外偏振图像对比度较强、强度较弱的特点改进了HSV融合算法,利用原始偏振图像的灰度均值和极值进行图像强度修正,计算融合权重,进行偏振图像融合,增强红外偏振融合图像的强度和对比度。对室内以及室外人造目标进行实验验证,改进的HSV融合算法较红外原图灰度均值最高提升216%,对比度最高提升1384%;较标准HSV融合图像的灰度均值最高提升1363%,对比度最高提升292%。为使用红外偏振融合图像进行目标识别打下了很好的基础。     

基于拉普拉斯金字塔的红外光强与偏振图像融合

利用红外偏振信息(偏振度、偏振角)对目标进行成像,可以更好地抑制图像的背景噪声,提高信噪比。而且偏振信息相对于光强信息一般会蕴含更丰富的目标边缘轮廓信息。因此,提出一种将红外辐射光强图像和偏振度图像进行融合的算法。此方法首先对参与融合的每幅图像分别进行拉普拉斯金字塔分解,获得每层的分解图像;然后对分解后的每层图像采用不同的融合方法进行图像融合,获得每层融合图像,并对每层融合后的图像进行图像重构,得到最后的融合结果。多幅图像融合后的效果表明该方法能够增加图像的信息量,有利于场景感知和目标识别。     

基于小波变换的中波红外偏振图像融合

针对中波红外偏振图像的特征,给出了一种基于小波变换的融合新方法。根据中波红外偏振图像高低频图像特点选择不同的融合规则,针对低频图像采用偏振融合的方法来抑制背景信息,针对高频图像采用超分辨率重建算法来提升细节信息。实验结果显示,证融合后的红外图像比原始图像更加清晰,相较于仅偏振处理图像获得了更高的分辨率,相较于传统小波融合算法增加了偏振方面细节。     

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。     

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。     

红外偏振探测器融合成像研究

分析了红外偏振探测器对于探测识别红外伪装目标以及红外暗弱目标的重要应用意义。详细介绍了物体的红外偏振特性及其表示方法,并阐述了红外偏振特性的影响因素。最后重点介绍了偏振成像融合算法。步骤分为数据预处理、红外偏振融合和融合图像再处理。本文对研究红外偏振探测器融合成像具有重要意义。     

基于区域分割与融合的全景稳像算法

车载红外全景扫描成像系统具有每列单独成像、360全方位视场覆盖的特点,从而导致传统的电子稳像算法无法直接适用,因此,提出一种基于区域分割与融合的全景稳像算法。首先,通过局部列偏移调整方法对图像预补偿。接着,以车头前进方向为基准,对全景图像进行区域分割,即前端、右端、后端、左端区域。然后,根据各区域的成像特点,选择不同的稳像模型进行稳像,其中,运动估计环节采用滑窗策略缩短运算时间,运动补偿环节采用未定义区重构方法弥补边界缺失信息。最后,利用局部区域扩展、渐入渐出加权平均融合方式对重叠区域进行区域拼接、融合,保证全景图像无缝拼接。实验结果表明:该算法有效解决了车体行进过程中红外全景扫描系统的稳像问题,稳像关键指标帧间峰值信噪比（PSNR）可以提高14.7%,运行时间可缩短为传统算法的1/10,基本满足了工程应用的需求。     

基于NSCT的红外偏振与光强图像的融合研究

针对融合规则的选择,提出了一种基于非采样Contourlet变换的红外偏振与光强的融合方法。该算法采用NSCT对源图像进行多尺度、多方向分解,然后对低频子带系数和高频子带系数分别采用局部能量和区域目标特征的选择,最终通过逆变换得到融合图像。实验结果表明：与加权融合和绝对值取大的融合规则相比,局部标准偏差、局部粗糙度、对比度、分别提高3.42%、12.7%、9.67%。