針對紅外強度圖和紅外偏振度圖融合問題,提出了基于煙花算法優(yōu)化空域加權平均法的智能圖像融合方法。在構(gòu)建優(yōu)化問題模型的基礎上,確定了煙花算法的邊界條件。通過引入相對熵權值建立了基于綜合相對熵的適應度函數(shù)。最后,與6種典型的傳統(tǒng)融合方法在"ground"、"truck"、"car"3組紅外強度和偏振度圖像數(shù)據(jù)上進行了融合實驗,對融合結(jié)果進行了客觀評價和視覺效果評價。實驗結(jié)果表明:所提方法可以有效實現(xiàn)紅外強度圖和紅外偏振度圖的融合,較好保留了紅外強度和紅外偏振特征。綜合視覺效果和客觀評價結(jié)果,在相對熵、總結(jié)構(gòu)相似性、總互信息指標上優(yōu)于比較算法。 

【文章來源】：紅外與毫米波學報. 2020,39(04)北大核心EISCICSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

圖２?ＦＷＡ的收斂過程（ａ）適應度收斂過程，（ｂ）爆炸幅度收??斂過程??Ｆｉｇ．?２?Ｃｏｎｖｅｒｇｅｎｃｅ?ｐｒｏｃｅｓｓ?ｏｆ?ＦＷＡ?（ａ）?ｆｉｔｎｅｓｓ，?（ｂ）?ｅｘｐｌｏ－??ｓｉｏｎ?ａｍｐｌｉｔｕｄｅ??

ＭＩ反映了?＿合商像包含紅外強度顏．、紅外偏振度??圖的總信息量＃越大表示融合圖與源圖的灰度分布??越相似５??２．２實驗結(jié)果和分析??為驗證本文方法的有效性，開展了?３組紅外強??．廣＿像和紅外鋪振度圖像的融合實驗，實驗緒皋如??＇（圈．３－５）＿所示０??圈．３所，：■傭是文獻［：４３］中的“ｇｒｏｕｎｄ．’’紅外強．廢??和偏振度．圖像的融合實驗結(jié)果。視覺效果上可以??眷出Ｋ紅外強度圖像具有豐霄的樹木紋理偉息、，紅??外偏振度圈像為有明顯的汽車和建筑物的偏振信??息。圖３（１）較多保留了偏振信龕，但基本丟失強度??信息，視覺效果聽。圖３（ｇ）雖保留了強度和偏振??僧息．，但存＿在明顯魏失虐＊圖３?：（ｅ．）：、Ｃｄ?＿）、（．ｅ）、ｈ）：：＞??（ｉ）均保留了強度和偏振倩息＃一＿細節(jié)爵息也得以??保留，相比較而甯，藤３（ｃ）所示的ＦＷＡ方法具有更??好的視覺弟：果，Ｗ木、汽車的紋理信息豐富，圖像均??勻，可以識別不同的區(qū)域，方便地識別紅外目標，如??Ｓ車．、樹乘等??表４顯示了圖３中７種融合方法的客觀評價結(jié)??果１從該表可以看出，ＦＷＡ方法的ＲＥ、ＦＳＳＩＭ指標??表４?“ｇｒｏｕｎｄ”的紅外強度和偏振度圖融合結(jié)果客觀評價??Ｔａｂｌｅ?４?Ｏｂｊｅｃｔｉｖｅ?ａｓｓｅｓｓｍｅｎｔ?ｏｆ?“ｇｒｏｕｎｄ”?ｉｎｆｒａｒｅｄ?－??ｐｏｌａｒｉｚａｔｉｏｎ?ｆｕｓｉｏｎ?ｒｅｓｕｌｔｓ??Ｍｅｔｒｉｃｓ??ＲＥ??ＦＳＳＩＭ??ＦＭＩ??ＦＷＡ??０．?７７７４??１．４１４９??１．５４６２??ＬＰ??１．?２２４５??１．３５３２??１．０９６４??ＧＰ??１．?７６４５??１．４０９０??１．

４期??陳．衛(wèi)＿ｉ：．詹Ｔ?ＦＷＡ賄紅養(yǎng)偏據(jù)謝象翁愈贏合ａ＊??５２９??均Ｒｆ其他方法ｅ?ＦＭＩ指標僅低于ＰＣＡ方法，高于??其他方法。茵此，該方法的Ｈｉ合錯果包含了較多的??禪價像特征＿儋．真，業(yè)個融含鷹像漬晰，．對比度??良好。??畫４顯沄的是來自文獻：］；４?４Ｊ的關于偽裝網(wǎng)測??量釣紅外圖像（稱為“ｔｒａｃｋ”）的融合實驗結(jié)果＾??從Ｂ?４（ａ－ｂ．）可以清楚地看到兩幅圖像特征互補。??在偏振度圖像【圖４（Ｌ））中，卡車前面覆蓋有偽裝??網(wǎng)的苜標明顯，而在，圍４（?ａ）中由于道路的褰度高??于Ｓ標．，幾乎看不到目標。然而，強度圖像（：圖４??（ａ〕）確實顯麻了更猜晰的云、樹和地面邊緣，而??：襃Ｓ?（左卡：牢（＇中＇）和建筑（有）的屋檐具有筻高??＿蠢獻《??畫４?Ｃｄ）、（ｇ）結(jié)合了篇檐、道路、卡卒、建筑和??被偽裝裏蓋的物體等所有裔靄度物體．．并具有Ｍ??都一致性，但有許多變形，如云、中間屋檐和道??路、。圖４（ｅ－ｆ）：、（ｈ－ｉ）對樹都有畸變。在圖４Ｕ）??中，所有來在原始圈像的明亮物體都被保留下來，??外觀沒有太大的扭曲邊緣和細節(jié)也．著哳像質(zhì)??鐘儀：好，０：??表：５麗示＿?了＇圖４中７種融合＝方法的客觀評價??結(jié)果。從該表可以看出，ＦＷＡ方法得到的融合圖??的ＲＥ、ＦＭＩ指標優(yōu)于其他方法，ＦＳＳＩＭ指標好于除??ＰＣＡ外的其他方法ｓ該方法的融合結(jié)皋包含了較??多源圖像特征信息，圖像清晰，對比度良好。??表５?“ｔｒｕｃｋ”的紅外強度和偏振度圖融合結(jié)果客觀評價??Ｔａｂｌｅ?５?Ｏｂｊｅｃｔｉｖｅ?ａｓｓｅｓｓｍｅｎｔ?ｏｆ?“ｔｒｕｃｋ”?ｉｎｆｒａｒｅｄ?－?ｐｏ？??

【參考文獻】：
期刊論文
[1]可變元素與矩陣理論結(jié)合的雙模態(tài)紅外圖像擬態(tài)融合[J]. 呂勝,楊風暴,吉琳娜,王向東.  光電工程. 2018(12)
[2]紅外光強與偏振圖像多類擬態(tài)變元組合融合[J]. 呂勝,楊風暴,吉琳娜,焦玉茜.  紅外與激光工程. 2018(05)
[3]紅外偏振與光強圖像的擬態(tài)融合原理和模型研究[J]. 楊風暴.  中北大學學報(自然科學版). 2017(01)
[4]非下采樣剪切波的紅外偏振圖像融合[J]. 周強,趙巨峰,馮華君,徐之海,李奇,陳躍庭.  浙江大學學報(工學版). 2014(08)
[5]模糊邏輯與特征差異驅(qū)動的紅外偏振圖像融合模型[J]. 安富,楊風暴,牛濤.  紅外技術. 2014(04)
[6]粒子群進化學習自適應雙通道脈沖耦合神經(jīng)網(wǎng)絡圖像融合方法研究[J]. 李奕,吳小俊.  電子學報. 2014(02)
[7]基于DWT的紅外偏振與光強圖像的融合[J]. 安富,楊風暴,李偉偉,周蕭.  光電技術應用. 2013(02)
[8]基于小波包變換的中波紅外偏振圖像融合研究[J]. 陳偉力,王霞,金偉其,李福文.  北京理工大學學報. 2011(05)
[9]一種遺傳搜索塊尋優(yōu)的不同聚焦點圖像融合算法[J]. 張新曼,韓九強,王勇.  電子與信息學報. 2006(11)
[10]一種基于形態(tài)金字塔的遙感影像融合方法及其性能評價[J]. 鄒勤,賈永紅.  武漢大學學報(信息科學版). 2006(11)

碩士論文
[1]PCNN與粗集理論在生物細胞圖像處理中的應用研究[D]. 林冬梅.蘭州大學 2009



本文編號：3343503