將紅外圖像與可見光圖像融合在一起,可增強視覺效果,使人產(chǎn)生更完整的場景感知。基于二維經(jīng)驗?zāi)B(tài)分解（Bidimensional Empirical Mode Decomposition,BEMD）的圖像融合方法運行時間較長,因此,文中提出了一種基于改進的二維經(jīng)驗?zāi)B(tài)分解的紅外與可見光圖像快速自適應(yīng)融合方法,采用順序統(tǒng)計濾波器和高斯濾波器直接生成均值包絡(luò)曲面,從而加速圖像的分解過程。首先,將可見光圖像轉(zhuǎn)化到HIS（Hue-Intensity-Saturation）顏色空間;然后,用改進的BEMD對強度分量I和紅外圖像進行分解,生成高頻分量和低頻分量,高頻分量和低頻分量分別采用自適應(yīng)局部加權(quán)融合規(guī)則和算術(shù)平均融合規(guī)則;最后,將強度分量I與紅外圖像的融合結(jié)果圖經(jīng)過逆HIS變換到RGB顏色空間,從而得到融合圖像。仿真實驗表明,該融合算法不僅運行速度快,而且融合效果最佳,最大程度地保留了紅外圖像的邊緣細(xì)節(jié)特征和可見光圖像的光譜信息。 

【文章來源】：計算機科學(xué). 2020,47(03)北大核心CSCD

【文章頁數(shù)】：6 頁

【圖文】：

基于改進的BEMD的紅外與可見光圖像融合方法的框圖

采用OCTEC圖像數(shù)據(jù)集作為測試圖像,一共有25組紅外與可見光圖像,本文選擇其中兩組圖像進行實驗仿真。將本文融合算法與其他4種融合算法進行對比,融合結(jié)果如圖2和圖3所示。其中,圖(a)為紅外圖像;圖(b)為可見光圖像,圖像大小為640*480;圖(c)是基于BEMD的融合效果圖;圖(d)是基于FABEMD的融合效果圖;圖(e)是基于FAB-MEAN的融合效果圖;圖(f)是基于FBEMD的融合效果圖;圖(g)是本文融合算法的結(jié)果圖。實驗也采用了標(biāo)準(zhǔn)差、互信息量、邊緣信息保留值、加權(quán)融合質(zhì)量因子和算法運行時間等客觀指標(biāo)來評價各融合算法的性能。圖3 第二組源圖像和融合結(jié)果圖

圖2 第一組源圖像和融合結(jié)果圖在圖2和圖3中,圖(a)-(e)的融合效果均可顯示出煙霧中奔跑的微小人物,但對于煙霧濃密區(qū)域的融合效果較差,邊界突兀。BEMD的融合結(jié)果圖丟失了部分小細(xì)節(jié),FABEMD的融合圖有明顯的局部塊效應(yīng),FAB-MEAN的融合結(jié)果圖提取了較多的紅外信息。FBEND的融合效果出現(xiàn)了不穩(wěn)定現(xiàn)象,其在圖2(f)中對煙霧的去除效果好,顯示出目標(biāo)人物,但在圖3(f)中對煙霧的去除效果差。圖(g)是本文融合算法的結(jié)果圖,可顯示出煙霧中的人物,同時色彩分布均勻,邊界連貫,最大程度地保留了可見光圖像的色彩信息和紅外圖像的邊緣輪廓,有最佳的視覺效果。


本文編號：3586403