一种面向目标的伪彩色图像融合算法

针对远距离红外与可见光融合图像中目标不突出的问题,提出了一种面向目标的伪彩色图像融合算法。基于目标特征将红外图像分割为目标区域和背景区域,以人类视觉的生物机理和感受野的数学模型为基础,利用差分高斯函数(Difference of Gaussians,DOG)模拟视觉拮抗特性,对目标区域和背景区域用改进的感受野模型和不同的彩色映射规则进行伪彩色图像融合。实验结果显示:该算法能够保留图像共有特征,突出独有特征,融合图像色彩自然、目标突出,具有良好的视觉效果。     

一种有效的红外图像融合算法

给出了一种基于átrous算法红外与可见光图像融合算法,该算法主要针对光谱差异较大以及配准精度较低的这类图像的融合算法。该算法首先对融合图像源进行átrous算法分解;随后,对分解的低频信息利用取加权法进行融合;高频信息首先利用边缘检测技术对不同尺度不同方向的高频信息进行边缘点的加强,然后以区域的空间频率为度量标准得到新的高频系数;最后进行átrous算法重构得到最终的融合图像。通过两组红外和可见光图像的融合实验,结果表明该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。     

树状小波与多尺度估计理论的图像融合技术

针对红外和可见光图像的特点及相互融合的应用,提出一种基于树状小波多尺度估计理论的红外与可见光图像融合算法.首先对源图像进行树状小波多尺度分解,依据子图像的信息量得到塔式结构子图像;然后基于不同子图像对应层上的对应像素,根据EM算法估计模型参数,采用SAGE迭代算法优化估计参数得到融合子图像;最后根据小波逆变换获得融合图像.实验结果表明:该融合算法能够更好地综合利用红外图像较好的目标指示特性与可见光图像较清晰的场景信息;性能评估显示:该算法得到的融合图像互信息较文献[5,6]分别提高了49.60%和24.90%,均方根误差分别减小了66.40%和56.00%.     

基于提升五株形小波的图像融合

在提升五株形小波多尺度分解的基础上,给出一种新的像素级图像融合方法.该方法利用提升五株形小波变换对每一幅图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像.该方法被成功地用于模糊图像的融合处理.试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们的视觉特性、更有利于进行监视和侦察之类的视觉感知.     

基于平稳小波变换的遥感图像融合方法

针对目前方法在多光谱图像和高分辨率图像融合中存在的问题,提出了一种IHS交换和平稳小波变换相结合的图像融合方法.首先对多光谱图像进行IHS变换后,得到I、H和S三个分量,接着对I分量和高分辨率图像进行基于平稳小波变换的图像融合,得到一幅新的强度图像,最后用新的强度图像和H及S进行IHS反变换,进而获得最终融合图像.实验表明,它优于传统的IHS变换法和小波变换法.     

一种复合模式的人脸识别系统设计

通过综合考察红外 可见光图像人脸识别的优缺点,利用红外温谱图进行人脸检测与识别的优势,在研究可见光和红外人脸温谱图识别技术以及两者融合技术的基础上,提出和设计了一种新的红外 可见光复合模式的人脸识别系统。初步实验结果表明,这种识别方法不论从理论上还是从实验上都是可行的,系统具有良好的识别能力。     

一种改进的多聚焦图像融合算法

针对小波变换在进行多聚焦图像融合时存在的边缘失真问题,提出了一种基于双正交小波变换的图像融合算法.对图像分解后的高频分量采用一种基于区域的融合策略;对分解后的低频分量通过度量图像区域质量来选择该区域中心像素从而确定融合图像的低频分量,最后进行双正交小波反变换得到融合图像.通过对多聚焦图像的仿真实验表明,此算法得到的融合图像在清晰度和对比度方面都得到了较大提高,是一种有效的图像融合算法.     

边缘信息的红外与可见光图像融合评价

建立能同时结合主观和客观因素的图像融合质量评价方法是目前图像融合中急需解决的问题之一。以反映人类视觉特性的结构相似度为依据,并结合源图像与融合图像的边缘信息,提出了一种新的图像融合质量评价方法,该方法充分反映了人类视觉系统的特性,可以为不同环境下选择不同的图像融合算法提供依据。通过对红外与可见光图像采用多种不同的融合算法进行融合质量评价,实验表明,评价结果与人眼主观评价一致,是一种实用的、有效的图像融合质量评价方法。     

基于残差网络和注意力机制的红外与可见光图像融合算法

针对红外与可见光图像的融合,提出了一种基于残差网络和注意力机制的图像融合算法.首先,为了分别从背景层和细节层提取红外与可见光图像的特征信息,使用引导滤波将红外和可见光图像分解为含有低频背景轮廓信息的背景层和含有高频细节纹理信息的细节层,再使用编码网络分别从背景层和细节层中提取特征信息并进行融合,该特征提取方法可提获得更...     

基于小波变换与数学形态学的红外图像分割方法

提出一种基于小波变换和形态学相结合的红外图像分割方法,该方法利用小波变换和形态学消除红外图像的混合噪声,抑制背景干扰和增强目标;通过选择适当的结构元素进行系列形态组合运算,自适应确定阈值,提取目标;利用形态学水线区域分割法对图像进行分割,分离目标区域。实验结果表明,该方法能有效检测和分割出低信噪比复杂背景红外图像中的目标。     

一种新的红外图像目标检测方法

提出了一种新的海空背景下受强杂波、噪声污染的红外图像目标检测算法,算法利用了小波变换的多分辨率、多尺度特性,将要检测的图像分解到不同频率的多个尺度上,再采用形态学的背景估计和形态滤波技术,对分解后的子图像进行处理、小波重构。仿真实验表明,该算法可较强地抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰,可检测出信杂比(SCR)为2的目标,适用于舰载红外警戒系统。     

基于非采样Contourlet变换的高光谱图像融合算法

高光谱图像数据具有大量波段,波段之间的相关性较高,可以利用数据融合技术来降低其分析难度.提出了一种新颖的基于非采样Contourlet变换的高光谱图像融合算法.首先对高光谱数据进行特征图像提取;再将提取出的多幅特征图像分别进行非采样Contourlet变换,并按区域能量进行加权融合;最后对融合系数进行非采样Contourlet重构.实际的OMIS高光谱遥感图像融合的实验结果表明,所提基于非采样Contourlet变换的加权融合算法能够很好地保持图像的空间特性和光谱特性,且效果明显好于典型的小波变换和Contourlet变换的融合方法.     

模糊决策融合的红外弱小目标序列检测

针对红外序列图像中运动弱小点目标的检测问题,重点研究序列关联检测算法.在多帧关联检测的基础上,引入决策融合概念,建立了基于模糊决策融合的序列关联检测方法.基于贝叶斯最小风险准则建立分布式决策模糊融合方法,有效融合单帧检测的结果,提高序列检测算法的性能.实测数据的实验结果验证了基于贝叶斯最小风险准则的分布式决策模糊融合方法的可行性和有效性.     

极端曝光图像的多尺度分解细节感知融合算法

针对极端曝光(欠曝光和过曝光)图像动态范围低的问题,提出一种基于多尺度分解细节感知的图像融合算法。欠曝光图像经过细节增强后,与过曝光图像进行初步的粗融合;采用小波变换对细节增强后图像的亮度分量进行多尺度分解,并设计专门的高频和低频融合策略,实现亮度分量的精融合;将粗融合图像的色调、饱和度分量,与精融合图像的亮度分量重组,获得最终的融合结果。基于大量测试数据,实验结果表明所提方法在视觉效果方面表现优异,平均MEF-SSIM指标为0.985 4,平均SSIM指标为0.650 8,均优于现有主流算法。     

An infrared target intrusion detection method based on feature fusion and enhancement

Infrared target intrusion detection has significant applications in the fields of military defence and intelligent warning. In view of the characteristics of intrusion targets as well as inspection difficulties, an infrared target intrusion detection algorithm based on feature fusion and enhancement was proposed. This algorithm combines static target mode analysis and dynamic multi-frame correlation detection to extract infrared target features at different levels. Among them, LBP texture analysis can be used to effectively identify the posterior feature patterns which have been contained in the target library, while motion frame difference method can detect the moving regions of the image, improve the integrity of target regions such as camouflage, sheltering and deformation. In order to integrate the advantages of the two methods, the enhanced convolutional neural network was designed and the feature images obtained by the two methods were fused and enhanced. The enhancement module of the network strengthened and screened the targets, and realized the background suppression of infrared images. Based on the experiments, the effect of the proposed method and the comparison method on the background suppression and detection performance was evaluated, and the results showed that the SCRG and BSF values of the method in this paper had a better performance in multiple data sets, and it’s detection performance was far better than the comparison algorithm. The experiment results indicated that, compared with traditional infrared target detection methods, the proposed method could detect the infrared invasion target more accurately, and suppress the background noise more effectively.