基于多尺度分解和显著性区域提取的可见光红外图像融合方法北大核心CSCD

可见光红外图像融合技术对于提升成像区域的信息丰富程度具有重要意义。提出了一种基于多尺度分解和显著性区域提取的可见光红外图像融合算法。利用边缘保持的图像平滑算法,构建了多尺度图像分解框架,将图像分解为不同尺度的基础层图像和若干细节层图像,同时结合导向滤波器,在每个分解图层实施显著性区域提取。通过加权重建进行融合信息的视觉增强,得到最终的融合结果。针对不同融合算法和图像库开展了主客观评价对比实验,结果表明:所提出的算法具有较好的主客观评价结果,算法融合效果表现优异,适用性较好。     

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。     

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。     

基于显著性检测与MDLatLRR分解的红外与可见光图像融合

针对红外与可见光图像融合过程中细节信息的缺失、融合结果对比度较低等问题,提出一种基于显著性检测与多层潜在低秩表示的红外与可见光图像融合方法。首先,使用基于显著性检测的方法对红外与可见光图像进行预融合;然后,使用多层潜在低秩表示方法依次将红外图像、可见光图像和预融合图像分解为低秩层和细节层;其中细节层采用结构相似性和L2范数相结合的方法进行融合,低秩层使用基于能量属性的方法进行融合;最后,将低秩层和细节层的融合结果重构便得到最终的融合图像。文中将该方法与11种具有代表性的图像融合方法进行了评估比较,通过对比多组融合图像的主客观评价,其结果表明,相较于对比方法,本方法能够保留红外与可见光图像融合过程中源图像的有效细节,且融合结果具有较高的对比度,更符合人们的视觉理解。     

基于多尺度导引滤波的图像融合方法

提出了 一种基于多尺度导引滤波的图像融合方法。首先,对源图像进行多尺度边缘保持分解,分别 得到一幅基本图像和一系列细节图像;然后,对基 本图像和不同尺度下的细节图像采用不同的融合策略,即基于导引滤波的融合策略;最后, 将融合 后的基本图像和融合后的细节图像相加,得到最后的融合图像。实验结果表明,本文提出的 融合方法 在保留光谱信息的同时,能较好地将源图像中的边缘细节信息保持到融合图像中,而且也取 得了较高的归一 化互信息(MI)值,相对于其他融合算法,MI值平均提升0.5;能更好地体现图 像细节特征,为融合图像提供更加丰富的信息。     

基于卷积神经网络与视觉显著性的图像融合分析

红外、可见光图像在传统融合当中主要采取手动的形式进行图像的提取,但是无论是方法还是特征都较为单一,并不能够满足当前发展需求。通过深度学习实现图像特征的自动化提取,使传统提取方法得到了丰富与创新,在此过程中要充分利用卷积神经网络,使视觉显著性的图像融合更为全面,在条件随机场的作用下,精确分割图像,以更为显著性的方式对目标进行提取。     

基于小波分解的融合图像评价方法

本文提出了一种新的基于小波多尺度分解的图像质量评价方法,其基本思想是首先对源图像和融合图像进行小波多尺度分解;其次,在小波域计算源图像与融合图像的相关性;最后根据小波系数的重要性进行加权得出评价指数。仿真表明:该方法的算法简单,计算量小,评价结果符合人眼的视觉特性,可用于多传感器图像融合效果评价。     

基于多尺度top-hat分解的红外与可见光图像增强融合

提出了基于数学形态学与尺度空间理论相结合的特征增强融合算法。首先对源图像使用多尺度top-hat变换构造塔形分解的亮、暗细节特征和近似图像,再对源图像对应尺度的亮、暗细节特征应用融合规则,最后依据不同应用需求加权各尺度亮、暗特征得到融合图像。实验表明:文中算法能有效融合并增强源图像细节特征,消除红外源图像因对比度低、灰度值范围较窄、视觉效果模糊等对融合质量的不利影响,并能根据应用需求获得具有不同增强效果的融合图像,从而达到更好的视觉效果,提高融合图像的目标检测和识别能力。     

基于小波分解的不同聚焦点图像融合方法

本文提出了一种基于小波分解的多聚焦图像融合方法.该方法首先建立一个PSF模型来描述目标聚焦的情况,然后利用小波分解分析不同聚焦图像在高斯平滑前后其高频分量的差异,进而判断图像中聚焦清晰的目标,并进行融合.实验结果表明,本文提出的方法可以得到目标都清晰的融合图像,其融合结果优于小波变换法和Laplacian塔型方法.     

基于双尺度动态贝叶斯网络及多信息融合的步态识别

步态识别在生物识别中研究日益增多。目前对步态的识别研究大都是考虑单一条件下步态的识别率,但在穿外套、背包等混合条件下识别率较低,该文分析了人体行走时步态的时序特征,提出一种4层的双尺度多信息融合的动态贝叶斯网络。模型中每个时间片都为整体信息即大尺度信息和局部细节信息即小尺度信息的融合。此模型能很好地表达步态的时序特性,即步态行走时人体姿态,运动幅度等特征的节奏性变化。实验结果表明该方法有较高的识别率,能有机地融合步态的整体信息及局部细节信息,并且在有轮廓噪声及信息缺失的情况下有较好的鲁棒性,大大降低了外套及背包对步态识别的影响。     

一种基于视觉显著性的图像融合算法

基于视觉显著特征提出一种新的图像融合算法.首先对源图像进行小波分解,得到低频系数和高频系数;然后针对低频系数提出一种基于视觉显著性的融合规则,对高频系数采用绝对值取大的融合规则;最后对融合后的低频系数和高频系数进行小波逆变换得到最终融合图像.该方法能完好地将源图像的细节融合在一起.仿真实验表明,该算法在视觉效果上比传统及改进方法更好,同时互信息、平均结构相似性、信息熵等传统客观评价指标有所提高.     

基于梯度塔形分解的GPU加速多源图像融合

为了解决多分辨率图像融合算法在单纯CPU上运行效率低的问题,提出了一种用于在基于梯度塔形分解的图像融合算法中使用的新融合规则,并将整个融合算法在图形处理器上进行了设计和高效的实现,将计算密集的任务安排到图形处理器上执行.实验验证,融合图像保留了源图像中的显著特征.并且,与单纯CPU上的融合算法相比,该系统在不同尺寸的图像融合中都获得加速.展现了一种通过图形处理器提高多分辨率图像融合算法效率的方法.     

基于梯度塔形分解的多传感器图像融合

给出了基于梯度塔形分解的像素级图像融合新方法,基本思想是,先对原图像进行梯度塔形分解;其次,按照融合规则,采用基于区域特性的加权算子去构造融合图像对应的梯度金字塔;最后,通过逆梯度塔形变换重构融合图像,该方法被成功地用于图像的融合处理,实验结果表明,该融合方法十分有效,获得的融合图像更符合人的视觉特性,更有利于机器视觉。     

An Algorithm of Wavelet Image Fusion Based on Visual Saliency

Considering the characteristics of wavelet transform and human visual system saliency, a novel image fusion algorithm was proposed. Based on multi-scale wavelet decomposition, visual saliency model had been introduced into calculating the intensity, direction and texture global integrated saliency of each pixel at each level frequency component. And it adaptively acquired the weighted fusing coefficients. Experiments show that this algorithm can achieve more clear minutia. Comparing with regional feature-based wavelet fusion algorithm, it improves fusion performance of human vision and objective evaluation. It is also benefit to detection and recognition.     

基于边缘检测和数据融合技术的图像增强

文章提出了一种基于边缘检测和数据融合技术的图像去噪方法.以小波变换为基础,结合数据融合技术,在预先确定图像边缘的基础上进行图像增强.实验结果表明,利用边缘检测和数据融合技术的图像增强系统,在保证图像纹理信息的基础上,极大地抑制噪声.     

基于图像融合的数字图像隐藏技术

在图像融合方法的基础上,给出了针对不同大小图像的数字图像隐藏的方法,在图像融合过程中,用改进的混沌序列来代替融合参数,使得该方法具有很好的安全性。实验表明,该方法具有较好的效率和安全性。     

基于多小波分解的多光谱图像矢量融合

在实数域中,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支性、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性,该文将基于像素点和基于区域的标量融合策略推广到矢量情形,提出一种新的、在多小波域中基于矢量融合的图像融合算法,充分利用多小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明,与单小波标量融合方法相比,多小波矢量融合算法获得的图像具有较优的视觉效果和客观评价指标,从而证明了用于图像融合时,多小波较之单小波更适合于人类视觉系统,具有广泛的应用前景。     

基于小波变换和视觉特性的多光谱图像融合

本文提出了一种基于小波变换和人眼视觉系统特性的多光谱图像融合算法。首先对已配准的源图像进行小波多尺度分解;其次基于视觉系统提出一种新的融合规则,即分别将对应的高低频分量分割成若干个块,计算出每个块的对比度方差,通过文中所构造的一种自适应的阈值方法,选取两幅图像中清晰的图像块形成新的高低频分量;最后,通过小波反演变换重构多光谱图像。实验结果表明,这种方法不仅能很好的增强多光谱图像的空间细节能力及光谱信息,而且能避免增强结果出现振铃效应,是一种十分有效的融合方法。