基于NSST与DBM的可见光与红外图像融合方法

针对红外图像与可见光融合时特征信息无法充分提取的问题,提出了一种基于NSST与DBM的可见光与红外图像融合方法。该方法利用深度玻尔兹曼机（DBM）进行最优能量分割得到显著红外目标,并采用非下采样剪切波变换（NSST）将红外目标区域与背景区域融合的映射图进行稀疏分解和融合。仿真实验结果表明,与现有的几种经典方法相比,基于本文方法的结果图像拥有更好的视觉效果和更理想的客观结果。     

一种基于区域分割的红外可见光图像融合方法

提出了一种基于提升小波和区域分割的红外可见光图像融合方法。先对红外图像和可见光图像进行提升小波分解,得到各自的高频和低频子图像,利用红外图像的热效应特征显著的特点对红外图像的低频子图像进行检测分割,用分割得到的二值图像来指导低频子图像的融合决策,对于高频子图像,采用区域方差匹配度决策法,最后对融合后的小波系数进行重构得到融合图像。实验结果表明,这种算法能够合理有效地保留红外图像的热目标信息以及可见光图像中丰富的光谱信息,提高了图像的可理解性,客观评价准则与目视效果吻合良好。     

基于压缩感知的红外与可见光图像融合

针对机载实时融合需求,本文提出了基于CS域的图像融合框架,并提出基于NSCT分解的压缩感知图像融合算法。算法采用服从高斯分布的测量矩阵,对经NSCT分解的图像的高频子带系数进行量测得到比高频子带系数更稀疏的测量值,对测量值采用最大值融合规则得到融合测量值,采用子空间追踪SP算法对测量值进行重构得到近似精确的方向子带融合系数,逆变换融合的高频与低频子带系数得到融图像。通过多组图像融合实验,比较融合评价指标和算法消耗时间证实本文所提的算法在保证融合质量的同时有效的提高了运算效率,有利于满足机载实性。     

基于视觉特性的红外与可见光图像融合

给出一种基于人类视觉特性的红外可见光图像融合算法,以增强融合图像的场景信息和目标指示特性。采用无下采样Contourlet变换对两幅源图像进行多尺度分解;在低频分量部分,调整可见光图像的全局亮度,以基于局部能量的方法提取并增强红外目标,以局部方差取大方法获得景物轮廓,余则采用可见光图像像素值;在高频分量部分,采用脉冲耦合神经网络选取高频分量;通过无下采样Contourlet变换的逆变换得到融合图像。改进算法可保留可见光图像的清晰度,红外目标突出,景物比在单一可见光图像中更易辨别。     

红外图像与可见光图像融合算法研究

红外图像和可见光图像反映不同拍摄仪器下目标景物的不同特征。首先,通过小波分解得到高频分量系数和低频分量系数,高频系数和低频系数分别处理,高频系数采用邻域区域相关性方差的规则,低频系数采用梯度求和加权的规则。然后进行逆变换得到融合图像。最后利用信息熵、平均梯度、互信息方法对图像的融合效果进行综合评价。得到实验结果,融合图像包含更多的信息量,更有助于人眼的判断与观察。     

NSCT域内基于自适应PCNN的红外与可见光图像融合方法

提出一种在图像的非下采样Contourlet变换(NSCT)域内基于脉冲耦合神经网络(PCNN)的融合方法。首先采用NSCT对严格配准的待融合图像进行多分辨率多方向分解, 得到低频子带和高频方向子带;然后使用各子带系数的空间频率作为PCNN对应神经元的自适应连接强度系数,使用改进的拉普拉斯能量和作为PCNN每个神经元的外部激励,经过PCNN点火过程获得各子带对应的点火映射图,并通过判决选择算子确定融合图像的各子带系数;最后采用NSCT逆变换对低频子带系数和高频方向子带系数进行重构,得到融合图像。使用红外与可见光图像进行仿真实验的结果表明,本文方法优于基于小波变换、NSCT及传统NSCT与PCNN结合的图像融合方法。       

红外与可见光图像融合的U-GAN模型

红外与可见光图像进行融合是解决单一传感器成像不足的有效手段,目的是得到适合人眼并有利于下一步应用和处理的融合图像。为解决大部分方法特征提取不全面,细节纹理丢失及公共数据集样本较少不利于训练等问题,提出一种用于图像融合的端到端网络结构。将U-net特有的卷积结构用于图像融合,最大程度地提取并保留源图像的重要特征信息。再通过生成对抗网络得到最后的融合结果,将U-net提取的特征输入生成器与包含红外图像的鉴别器进行对抗,得到训练模型。实验结果表示,所提算法能够得到轮廓清晰、纹理突出、目标明显的融合图像,SD、SF、SSIM、AG等指标明显得到提升。     

基于可见光图像的红外图像纹理映射方法

为有效仿真大规模背景景物红外图像纹理,提出一种基于可见光图像的红外图像纹理映射方法.该方法以相应景物的可见光图像灰度范围为参照,基于同景物某时刻红外图像的温度及灰度分布,计算景物红外图像的温度与灰度对应关系.将对应景物温度分布偏差信息叠加在相关景物不同时刻的均值温度上,映射在该景物可见光图像的灰度范围内,生成对应景物不同时刻的红外图像纹理.另外,将仿真的背景图像分为单一组分和混合组分的背景图像,对于单一组分背景图像,采用提出的方法进行红外图像纹理映射;对于混合组分的背景图像,首先采用该背景图像对应的可见光图像进行材质分类,在此基础上采用提出的方法进行混合组分背景图像的红外图像纹理映射.实验结果验证了本文方法的有效性,该方法可为快速仿真不同时刻、不同景物的红外图像纹理提供一种方便有效的途径.     

基于自适应NSST—PCNN的红外与可见光图像融合方法研究

传统的红外与可见光图像融合方法存在着对比度不高、背景细节信息保留不理想的问题,为解决此类问题,提出了一种非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)结合自适应脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的方法.利用NSST将源图像多尺度地分解成低频子带和高频子带;针对图像低频子带融合,采用自适应模糊逻辑加权平均融合规则;对于图像高频子带融合,采用自适应PCNN的算法;最后,通过NSST逆变换得到融合后图像.实验结果表明,相比于传统图像融合方法,本方法在信息熵、空间频率、平均梯度、互信息和交叉熵等多个客观评价指标上至少分别提高了1.54％、4.52％、3.52％、9.14％、0.12％,提高了融合图像的对比度,保留了背景细节信息,取得更好的融合效果.     

基于YUV与小波变换的可见光与红外图像融合

可见光CCD传感器在夜间强光环境下拍摄易产生晕光现象,通过对可见光与红外传感器获得的图像进行融合可以解决这一问题.本文提出一种基于YUV彩色空间与小波变换结合的融合方法.首先采用仿射变换对可见光图像进行配准,将配准后图像转换到YUV空间,再将Y分量与红外灰度图像采用小波融合方法得到Y′分量,最后将Y′UV转换到RGB,从而得到融合图像.通过与YUV彩色空间变换、小波变换融合方法所得到的融合图像比较,结果表明,本文提出的方法获得的图像清晰度有所改善,比小波融合的方法处理速度更快.     

基于NSST与引导滤波相结合的红外与可见光图像融合方法研究

传统的图像融合方法存在着对比度不高、边缘细节等信息保留不理想的问题,为解决此问题,提出了一种基于非下采样剪切波变换（NSST）与引导滤波相结合的图像融合算法。通过自适应引导滤波提取源图像细节,再使用NSST算法将滤波后图像和细节图像分解成低频子带和高频子带。对于低频子带的融合,采用改进的模糊逻辑加权平均融合规则;对于高频子带的融合,使用区域能量最大化的方法。实验结果表明,所提出的图像融合算法能够更突出图像目标信息,提供丰富的背景细节信息,同时保留了图像边缘信息,使融合的图像更符合人眼视觉系统。同时,融合效果在信息熵、空间频率、互信息、交叉熵等多个客观评价指标至少提高了0.10%、0.52%、3.25%、0.34%。     

多尺度图像增强可见光与红外图像融合

针对同一场景在可见光和红外传感器得到的图像其高频细节部分存在着较大差异这一特点,首先对已经配准的红外传感器和可见光得到的图像进行小波变换,在多尺度下对两幅图像进行边缘提取。然后以局部模方为活性测度,局部模方的比值为匹配测度,并且利用图像的边缘特征指导融合策略,经过合成模块和多尺度逆变换得到融合图像。最后对融合后的图像进行图像增强,并对其进行客观评价,证明了本文方法的有效性。     

基于视觉显著性和NSCT的红外与可见光图像融合

结合非下采样轮廓波变换的平移不变性,提出了一种基于视觉显著性的红外与可见光图像融合算法。首先,利用引导滤波器改进显著性检测算法并将其用于红外图像;然后,对红外图像和可见光图像进行非下采样轮廓波变换以得到各自的低频与高频子带;最后,在低频与高频子带的融合中分别采用红外图像显著性指导法与绝对值取大法。实验结果表明,与多种相关算法相比,该算法所得融合图像在突出红外目标的同时还具有丰富的可见光背景信息,具有更好的视觉融合效果和客观质量评价。     

区间直觉模糊集的分解定理

引入了区间直觉模糊集截集的概念,讨论了其有关性质,并给出了关于区间直觉模糊集的分解定理.进一步丰富了模糊集的理论基础.     

基于无监督深度学习的红外图像与可见光图像融合算法

红外和可见光图像表征了互补的场景信息. 现有的基于深度学习的融合方法大多通过独立提取网络分别提取两个源图像特征,从而丢失了源图像之间的深度特征联系. 基于此,提出了一种新的基于无监督深度学习的红外图像与可见光图像融合算法,针对不同模态的特点采用不同的编码方式提取图像特征,利用一个模态的信息补充另一个模态的信息,并对提取到的特征进行融合,最后根据融合特征重建融合图像. 该算法可在两个模态的特征提取路径之间建立交互,不仅可预融合梯度信息和强度信息,且能增强后续处理的信息. 同时设计了损失函数,引导模型保留可见光的细节纹理,并保持红外的强度分布. 将所提算法与多种融合算法在公开数据集上进行对比实验,结果表明,所提算法获得了良好的视觉效果,客观指标评价方面对比现有的优秀算法也有一定的提升.     

基于Curvelet变换与自适应PCNN的红外与可见光图像融合

根据红外与可见光图像的成像特点,提出一种基于Curvelet变换与自适应PCNN( Pulse Coupled Neural Networks)的图像融合新算法.首先对两幅原始图像进行快速离散Curvelet变换,得到不同尺度与方向下的子带系数;对低频系数采取加权平均融合规则,将高频系数作为PCNN的输入,选取区域能量测度为PCNN的连接强度,利用PCNN的全局耦合特性和脉冲同步特性选择高频系数;最后经Curvelet逆变换得到融合结果.实验结果表明,该方法得到的融合图像在边缘等细节上比传统方法具有更好的视觉效果,在熵、平均梯度、标准差等客观指标上都优于其它方法.     

激光照射监测系统可见光和红外图像融合方法

激光照射性能监测系统的激光照射命中是评估激光武器系统的重要指标之一。激光照射性能监测系统采用双传感器进行激光光斑和目标靶板的图像采集,提出了一种对所采集图像进行融合的方法:完成了图像中可见光图像与红外图像的配准、红外图像中激光光斑的提取、光斑提取图像与可见光图像的融合。提出的方法实现了视场范围不同、分辨率不同的可见光图像和红外图像的融合,融合后的图像真实再现了光斑照射的情景,图像中目标信息丰富明显、光斑轮廓清晰。     

基于DNST和卷积稀疏表示的红外与可见光图像融合

为了克服传统红外与可见光图像融合方法的不足,本文提出了一种基于离散不可分离剪切波与卷积稀疏表示的融合方法。首先,利用离散不可分离剪切波将源图像分解为近似图像和方向细节图像,相比较于其他多尺度分解工具,离散不可分离剪切波能够在不同尺度内更好地分离出图像中重叠的重要特征信息。其次,利用源图像的显著特征图加权平均融合近似图像,保持融合图像的亮度和能量不丢失。卷积稀疏表示能够深度提取图像的显著特征,利用多维系数的l1范数作为活性测度构造显著特征图,生成近似图像的权重分配决策图。方向细节图像的融合规则采用"系数绝对值取大-高斯滤波"规则,通过"系数绝对值取大"规则获得初始权重分配决策图,利用高斯滤波器对决策图进行滤波处理,降低噪声的敏感度,同时增加可见光图像信息比例。最后,通过离散不可分离剪切波逆变换对融合后的系数进行重构,得到最后的融合图像。实验结果表明,相比较于已有文献的其他典型融合方法,本文融合方法在主观视觉和客观评价准则方面都取得了较好的融合性能。     

基于Gabor滤波和显著性检测的红外与可见光图像融合

红外和可见光图像的融合既要突出红外图像中重要的亮度特征,又要使融合图像保留清晰的视觉效果。因此,提出了基于Gabor滤波和显著性检测的融合方法。首先,采用显著性检测得到红外和可见光图像的显著层,再使用Frankle-McCann Retinex增强算法对可见光图像进行增强,之后用Gabor滤波器将红外图像和增强后的可见光图像分解为细节层和基础层。然后,采用“最大绝对”的融合策略对显著层与细节层进行融合,最后进行图像重构。实验结果表明,得到的结果与其他八种经典算法比较中表现优异,尤其是AG、EI、IE、SF等指标方面尤为突出。     

红外与可见光复合寻的制导中的快速图像配准方法

对现有多传感器图像配准方法在红外与可见光复合寻的制导应用中存在的计算量大等不足,提出了一种基于部分Hausdorff距离的快速方法和一种两集合相似度的定义,从而实现了有效减小误匹配特征点对的红外与可见光图像快速配准方法.此算法通过分别提取两幅图像边缘上显著特征点,再根据提出的快速方法和两集合相似度定义,粗略估计出图像间的旋转角度、平移量;然后依据此估计值,缩小特征点匹配时匹配特征点搜索范围,求得一致特征点对;最后用最小二乘法求解最优变换参数.实验结果表明了该方法的有效性、快速性.