可见光与红外图像融合质量评价指标分析

目的 客观评价作为图像融合的重要研究领域,是评价融合算法性能的有力工具。目前,已有几十种不同类型的评价指标,但各应用领域包括可见光与红外图像融合,仍缺少统一的选择依据。为了方便比较不同融合算法性能,提出一种客观评价指标的通用分析方法并应用于可见光与红外图像融合。方法 将可见光与红外图像基准数据集中的客观评价指标分为两类,分别是基于融合图像的评价指标与基于源图像和融合图像的评价指标。采用Kendall相关系数分析融合指标间的相关性,聚类得到指标分组;采用Borda计数排序法统计算法的综合排序,分析单一指标排序和综合排序的相关性,得到一致性较高的指标集合;采用离散系数分析指标均值随不同算法的波动程度,选择充分体现不同算法间差异的指标;综合相关性分析、一致性分析及离散系数分析,总结具有代表性的建议指标集合。结果 在13对彩色可见光与红外和8对灰度可见光与红外两组图像源中,分别统计分析不同图像融合算法的客观评价数据,得到可见光与红外图像融合的建议指标集(标准差、边缘保持度),作为融合算法性能评估的重要参考。相较于现有方法,实验覆盖20种融合算法和13种客观评价指标,并且不依赖主观评价结果。结论...     

基于模糊算法的多聚焦图像融合效果评价研究

针对多聚焦图像的融合效果评价问题,提出了一种基于模糊理论的图像融合效果评价方法.该方法采用融合图像熵值、交互信息量值、平均梯度值、偏差值构成单因素评价指标集,引入基于专家评判法的人的知识确定隶属度函数,用对比排序法综合各个单因素指标得到综合评价指标,其计算简单,评价结果更为全面客观.将该方法应用于多聚焦图像的融合试验,评价结果与理论分析和人的目视效果一致,从而证明了该评价方法的有效性.     

基于加权Chebyshev距离的融合图像评价指标

针对目前单因素评价指标的局限性和评价结果的不一致性,从模糊集理论出发,提出了一种基于加权Chebyshev距离的图像评价方法.该方法将两幅图像映射到两个模糊集中,通过隶属度和权重的选择来确定模糊集的Chebyshev距离,该距离值可以综合反映融合图像性能的优劣.仿真实验表明该评价指标与多数单因素评价指标一致,对极少数差异较大的像素点不敏感,并且与目视效果有很好的一致性.     

一种遥感图像融合质量评价方法

针对遥感图像融合质量评价中多波段、无地面真实参考图像的特点,提出了基于结构相似度和全局融合质量评价指标的融合质量评价方法。该方法首先采用均值变化量构造局部光谱质量加权方法,计算融合图像的光谱质量;然后结合方差构造局部空间质量加权方法,获得融合图像的空间质量;最后使用线性加权方法,计算融合图像的整体质量。通过对8种典型融合方法的结果图像进行质量评价,结果表明提出的评价方法与主观评价结果基本一致,具有可行性。     

顾及源图像质量的可见光和红外图像融合算法

分析了目前图像融合算法存在的问题,提出顾及源图像质量的可见光和红外图像融合的算法。以图像融合理论方法为基础,引入图像质量评价方法,构建了顾及源图像质量的图像融合基本框架。以区域加权信息熵作为可见光和红外图像评价方法,并以图像质量评价结果作为小波变换的系数权值来进行图像融合,分别以图像的平均灰度、标准差、信息熵、空间频率作为评价指标对融合后的图像进行质量评价,提出了基于区域加权信息熵的可见光与红外图像融合算法。最后选取多组可见光和红外图像进行图像融合实验。实验结果表明:顾及源图像质量的可见光和红外图像融合算法是完全可行和有效的。     

一种扩展VIFB的红外与可见光图像融合基准

红外与可见光图像融合是机器视觉的一个重要领域,在日常生活中应用广泛。近年来,虽然红外与可见光图像融合领域已有多种融合算法,但目前该领域还缺乏能够衡量多种融合算法性能的算法框架和融合基准。在简要概述了红外与可见光图像融合的最新进展后,提出了一种扩展VIFB的红外与可见光图像融合基准,该基准由56对图像、32种融合算法和16种评价指标组成。基于该融合基准进行了大量实验,用来测评所选取的融合算法的性能。通过定性和定量结果分析,确定了性能优良的图像融合算法,并对红外与可见光图像融合领域的未来前景进行了展望。     

基于小波变换的多模态图像融合算法的改进

为了进一步提高医学图像的融合效果,研究和改进了基于小波变换的图像融合算法,提出了一种改进小波变换金字塔融合算法.该算法对经过多层小波变换后的高低频小波系数,分别使用局部均值加权和分层线性加权的小波系数融合规则进行融合.通过编程试验,将该算法与空域和频域的各种融合算法进行对比,并使用主观和客观两种评价方法进行综合评价.实验结果表明,针对灰度图像特别是医学图像的融合,提出的融合算法与文中的对比算法相比较,在主观和客观的综合评价上表现出更好的融合效果.     

Contourlet变换系数加权的医学图像融合

目的 由于获取医学图像的原理和设备不同,不同模式所成图像的质量、空间与时间特性都有较大差别,并且不同模式成像提供了不互相覆盖的互补信息,临床上通常需要对几幅图像进行综合分析来获取信息。方法 为了提高对多源图像融合信息的理解能力,结合Contourlet变换在多尺度和多方向分析方法的优势,将Contourlet变换应用于医学图像融合中。首先将源图像经过Contourlet变换分解获得不同尺度多个方向下的分解系数。其次通过对Contourlet变换后的系数进行分析来确定融合规则。融合规则主要体现在Contourlet变换后图像中的低频子带系数与高频子带系数的优化处理中。针对低频子带主要反映图像细节的特点,对低频子带系数采用区域方差加权融合规则;针对高频子带系数包含图像中有用边缘细节信息的特点,对高频子带系数采用基于主图像的条件加权融合规则。最后经过Contourlet变换重构获得最终融合图像。结果 分别进行了基于Contourlet变换的不同融合规则实验对比分析和不同融合方法实验对比分析。通过主观视觉效果及客观评价指标进行评价,并与传统融合算法进行比较,该算法能够克服融合图像在边缘及轮廓部分变得相对模糊的问题,并能有效地融合多源医学图像信息。结论 提出了一种基于Contourlet变换的区域方差加权和条件加权融合算法。通过对CT与MRI脑部医学图像的仿真实验表明,该算法可以增加多模态医学图像互补信息,并能较好地提高医学图像融合的清晰度。     

一种新的结合SVM和FNN的多聚焦图像融合算法

针对基于分块的图像融合中分块裂痕和实际融合特征的不确定等问题,提出一种结合支持向量机(SVM)和模糊神经网络(FNN)的多聚焦图像融合新方法。首先,通过模糊C均值聚类(FCM)和SVM获得FNN的网络参数,利用构建的模糊神经网络,将分割的图像块分成清晰区域、模糊区域和过渡区域三类;然后用模糊神经网络的反模糊化输出作为权值因子对三类区域进行加权融合,输出融合的多聚焦图像。最后,通过均方根误差、平均绝对误差和峰值信噪比等指标对多种融合算法进行融合质量评价。实验结果表明,提出的融合算法鲁棒性和计算性能较好,基本满足实际图像融合的需求,且融合质量评价也表明本文方法优于现有的融合算法。     

基于改进非线性加权的图像融合算法

为了改善图像融合的质量和效率,提出了一种非线性加权的图像融合算法。首先计算图像的非线性加权值,并采用金字塔高斯对图像进行平滑处理,然后对原图和平滑后图像融合,得到图像融合结果,最后采用仿真实验对算法性能进行测试。实验结果表明,该算法使图像融合过渡效果更加自然,提高了融合速率,可以满足图像处理系统实时性的需求,获得了比传统算法更加理想的图像融合效果。     

基于局部特征的智能图像融合

对衡量图像清晰程度的局部特征参数进行了对比研究,得出了拉普拉斯能量（EOL）最优参数。提出一种使用拉普拉斯局部特征的智能化图像融合算法。算法首先对已配准的图像集进行分割,对分割图像分块并计算EOL,将EOL作为网络输入进行训练,根据EOL比对自动决定训练的目标向量。将测试图像进行分割并计算局部EOL,将EOL作为测试输入进行粗融合,最后进行一致性校验得到最终融合结果。实验研究表明,本算法对不同传感器的图像均取得了良好的融合效果。     

多传感器检测中的数据溶合技术

多传感器检测是使用多种(或多个)传感器对同一被测对象进行广泛的测量。应用多传感器检测技术和多传感器数据溶合技术对车削加工中的零件外圆尺寸检测进行了实验研究,结果表明,多传感器检测技术能够满足现代检测技术对信息的精确要求,使得检测监控系统更加准确、可靠。     

基于多源信息融合方法的骨髓转移性肿瘤细胞识别

利用改进的Dempster_Sharer证据理论(MDS)融合骨髓显微图像、血像和临床信息，进行骨髓转移性肿瘤细胞的识别研究。实践证明此方法较好地模拟了病理专家知识，比较准确地识别出了骨髓中转移性肿瘤细胞，对骨髓转移性肿瘤细胞识别提供了一个有力的辅助手段。     

一种结合sobel算子和小波变换的图像边缘检测方法

提出了一种基于数据融合的边缘检测方法.该方法对原始图像分别采用sobel算子和基于离散小波变换两种方法提取边缘,然后将两种方法的检测结果进行数据融合,得到一幅新的边缘图像.实验证明,融合后的图像边缘集合了两种检测方法的优点,是一种有效的图像边缘检测方法.     

信息融合理论的基本方法与进展(Ⅱ)

在军事技术、自动化、智能化等需求的牵引下,信息融合受到学术界和工业界的广泛关注,近年来取得了诸多新的理论与方法进展,因此有必要予以综述.本文首先分析了信息融合面临的问题与挑战,包括系统融合框架、信息不确定、多模态、高冲突、强相关、网络化以及非线性等;并以此为分类依据,在信息融合模型与系统设计、不确定信息融合、多模态信息融合、高冲突信息融合、相关信息融合及网络化信息融合等方面对近10年来的进展进行了综述.同时,探讨了信息一体化融合处理、以人为中心的信息融合、信息获取与融合的联合优化、复杂多传感器信息融合系统体系结构设计、信息融合系统仿真与性能评估、借助更多的数学理论方法等未来几个可能的研究发展方向.     

基于D-S证据的多Agent不确定结论模型框架

抓住智能体的独立行为特性,针对多智能体不确定结论的综合问题,提出了一种基于D S证据理论的多智能体不确定结论求解模型。对传统的D S公式进行了扩充和改进,从而解决了多智能体之间结论的信息融合问题,并对模型进行了模拟仿真。     

异类传感器集中式扩维融合无迹卡尔曼滤波融合算法

雷达和红外传感器是异类传感器系统的一个典型组合,但是异类传感器系统的状态方程和测量方程存在较大的非线性特征,使得此类系统无法应用现有算法进行信息融合。将UKF引入到异类传感器,并利用集中式观测融合UKF,解决同步配置、同步采样的异类传感器的信息融合问题。仿真结果表明,该算法的SMSE比其他方法的要小得多。     

深度学习多聚焦图像融合方法综述

多聚焦图像融合是一种以软件方式有效扩展光学镜头景深的技术,该技术通过综合同一场景下多幅部分聚焦图像包含的互补信息,生成一幅更加适合人类观察或计算机处理的全聚焦融合图像,在数码摄影、显微成像等领域具有广泛的应用价值。传统的多聚焦图像融合方法往往需要人工设计图像的变换模型、活跃程度度量及融合规则,无法全面充分地提取和融合图像特征。深度学习由于强大的特征学习能力被引入多聚焦图像融合问题研究,并迅速发展为该问题的主流研究方向,多种多样的方法不断提出。鉴于国内鲜有多聚焦图像融合方面的研究综述,本文对基于深度学习的多聚焦图像融合方法进行系统综述,将现有方法分为基于深度分类模型和基于深度回归模型两大类,对每一类中的代表性方法进行介绍;然后基于3个多聚焦图像融合数据集和8个常用的客观质量评价指标,对25种代表性融合方法进行了性能评估和对比分析;最后总结了该研究方向存在的一些挑战性问题,并对后续研究进行展望。本文旨在帮助相关研究人员了解多聚焦图像融合领域的研究现状,促进该领域的进一步发展。     

含未知参数的自校正融合Kalman滤波器及其收敛性

对于带未知模型参数和噪声方差的多传感器系统,基于分量按标量加权最优融合准则,提出了自校正解耦融合Kalman滤波器,并应用动态误差系统分析(Dynamic error system analysis,DESA)方法证明了它的收敛性.作为在信号处理中的应用,对带有色和白色观测噪声的多传感器多维自回归(Autoregressive,AR)信号,分别提出了AR信号模型参数估计的多维和多重偏差补偿递推最小二乘(Bias compensated recursive least-squares,BCRLS)算法,证明了两种算法的等价性,并且用DESA方法证明了它们的收敛性.在此基础上提出了AR信号的自校正融合Kalman滤波器,它具有渐近最优性.仿真例子说明了其有效性.     

Contourlet相关性和PCA的图像融合算法

Contourlet变换克服了小波变换在处理高维信号时的不足,它比小波变换具有更好的方向性和更好的稀疏表达性能。将Contourlet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。基于Contourlet变换系数相关性的图像融合算法是将图像进行Contourlet变换分解后,针对高频分解系数尺度内以及尺度间像素点具有的相关性设计图像融合规则,低频信息选择PCA的方法进行融合,最后通过重构得到融合图像。实验结果表明Contourlet能够为融合图像保留更全面的原始图像信息,基于相关性的图像融合算法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。