【摘要】：結(jié)合非下采樣輪廓波變換的平移不變性,提出了一種基于視覺顯著性的紅外與可見光圖像融合算法。首先,利用引導(dǎo)濾波器改進(jìn)顯著性檢測(cè)算法并將其用于紅外圖像;然后,對(duì)紅外圖像和可見光圖像進(jìn)行非下采樣輪廓波變換以得到各自的低頻與高頻子帶;最后,在低頻與高頻子帶的融合中分別采用紅外圖像顯著性指導(dǎo)法與絕對(duì)值取大法。實(shí)驗(yàn)結(jié)果表明,與多種相關(guān)算法相比,該算法所得融合圖像在突出紅外目標(biāo)的同時(shí)還具有豐富的可見光背景信息,具有更好的視覺融合效果和客觀質(zhì)量評(píng)價(jià)。
【圖文】：

ectionfilterbank,NSDFB)將帶通子帶圖像分解為多個(gè)方向的帶通子帶P12圖像，實(shí)現(xiàn)圖像的多方向分解；最后對(duì)每一層的低通子帶圖像重復(fù)上述操作，得到源圖像的多層子帶分解。例如低通子帶圖像L1經(jīng)過(guò)NSPFB進(jìn)一步分解為低通子帶圖像L21和帶通子帶圖像P21，P21再經(jīng)過(guò)NSDFB分解為多個(gè)方向的帶通子帶圖像P22。在圖像的分解和重構(gòu)過(guò)程中，NSCT沒有經(jīng)過(guò)采樣操作，各個(gè)子帶圖像與源圖像的尺寸大小保持一致，保證了NSCT的平移不變性，解決了頻譜混疊和吉布斯現(xiàn)象。源圖像NSPFBNSPFBP1L1P21L21NSDFBNSDFBP22P12圖2NSCT分解的結(jié)構(gòu)示意圖2.2基于NSCT的圖像融合假設(shè)紅外圖像IRI和可見光圖像TVI經(jīng)過(guò)NSCT變換之后的子帶系數(shù)分別為{0IR(,)jCmn，IR,(,)jlCmn0(j≥j)}和{0TV(,)jCmn，TV,(,)jlCmn0(j≥j)}，融合圖像的子帶系數(shù)為{0(,)FjCmn，,(,)FjlCmn0(j≥j)}，其中0(,)jCmn為低頻子帶系數(shù)，,(,)jlCmn為各高頻子帶系數(shù)。2.2.1低頻融合規(guī)則由于NSCT的平移不變性，圖像經(jīng)NSCT分解之后低頻圖像的大小與原圖像大小相同�；贜SCT的這一重要特性，并且為了將紅外圖像的目標(biāo)指示特性和可見光圖像豐富的背景信息充分結(jié)合起來(lái)，本文提出了一種基于NSCT和改進(jìn)FT顯著性檢測(cè)方法的低頻融合規(guī)則。首先通過(guò)引導(dǎo)濾波器改進(jìn)的FT顯著性檢測(cè)算法計(jì)算紅外圖像的顯著性圖，然后利用顯著性圖來(lái)指導(dǎo)低頻子帶系數(shù)的融合。紅外與可見光低頻融合策略可以表示為：00IRIR(,)(,)(,)FjjCmn=ωmnCmn+0TVTV(,)(,)jωmnCmn(5)式中，IRTVω(m,n)+ω(m,n)=1(6)IRω(m,n)=Smap(m,n)(7)式中，，Smap(m,n)為紅外圖像的顯著性圖S(x,y)?

ectionfilterbank,NSDFB)將帶通子帶圖像分解為多個(gè)方向的帶通子帶P12圖像，實(shí)現(xiàn)圖像的多方向分解；最后對(duì)每一層的低通子帶圖像重復(fù)上述操作，得到源圖像的多層子帶分解。例如低通子帶圖像L1經(jīng)過(guò)NSPFB進(jìn)一步分解為低通子帶圖像L21和帶通子帶圖像P21，P21再經(jīng)過(guò)NSDFB分解為多個(gè)方向的帶通子帶圖像P22。在圖像的分解和重構(gòu)過(guò)程中，NSCT沒有經(jīng)過(guò)采樣操作，各個(gè)子帶圖像與源圖像的尺寸大小保持一致，保證了NSCT的平移不變性，解決了頻譜混疊和吉布斯現(xiàn)象。源圖像NSPFBNSPFBP1L1P21L21NSDFBNSDFBP22P12圖2NSCT分解的結(jié)構(gòu)示意圖2.2基于NSCT的圖像融合假設(shè)紅外圖像IRI和可見光圖像TVI經(jīng)過(guò)NSCT變換之后的子帶系數(shù)分別為{0IR(,)jCmn，IR,(,)jlCmn0(j≥j)}和{0TV(,)jCmn，TV,(,)jlCmn0(j≥j)}，融合圖像的子帶系數(shù)為{0(,)FjCmn，,(,)FjlCmn0(j≥j)}，其中0(,)jCmn為低頻子帶系數(shù)，,(,)jlCmn為各高頻子帶系數(shù)。2.2.1低頻融合規(guī)則由于NSCT的平移不變性，圖像經(jīng)NSCT分解之后低頻圖像的大小與原圖像大小相同�；贜SCT的這一重要特性，并且為了將紅外圖像的目標(biāo)指示特性和可見光圖像豐富的背景信息充分結(jié)合起來(lái)，本文提出了一種基于NSCT和改進(jìn)FT顯著性檢測(cè)方法的低頻融合規(guī)則。首先通過(guò)引導(dǎo)濾波器改進(jìn)的FT顯著性檢測(cè)算法計(jì)算紅外圖像的顯著性圖，然后利用顯著性圖來(lái)指導(dǎo)低頻子帶系數(shù)的融合。紅外與可見光低頻融合策略可以表示為：00IRIR(,)(,)(,)FjjCmn=ωmnCmn+0TVTV(,)(,)jωmnCmn(5)式中，IRTVω(m,n)+ω(m,n)=1(6)IRω(m,n)=Smap(m,n)(7)式中，Smap(m,n)為紅外圖像的顯著性圖S(x,y)?
【作者單位】： 電子科技大學(xué)通信與信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金面上項(xiàng)目(61075013,61671126)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張雷;海濤;張宇;羅長(zhǎng)更;;一種基于圖像特征的紅外與可見光圖像融合算法[J];彈箭與制導(dǎo)學(xué)報(bào);2009年01期

2 柳慶武;胡曉惠;袁麟;;深空可見光圖像中弱小運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)[J];電子學(xué)報(bào);2009年07期

3 李鋼;王雷;張仁斌;;基于特征能量加權(quán)的紅外與可見光圖像融合[J];光電工程;2010年03期

4 張彬;許廷發(fā);黃光華;倪國(guó)強(qiáng);;基于小波框架的紅外/可見光圖像融合[J];光學(xué)技術(shù);2007年03期

5 葉傳奇;王寶樹;苗啟廣;;一種基于區(qū)域特性的紅外與可見光圖像融合算法[J];光子學(xué)報(bào);2009年06期

6 劉斌;劉維杰;彭嘉雄;;采用三通道不可分對(duì)稱小波的紅外與可見光圖像融合[J];紅外與激光工程;2011年05期

7 馬東輝;薛群;柴奇;任彪;;基于圖像信息的紅外與可見光圖像融合方法研究[J];紅外與激光工程;2011年06期

8 劉中杰;曹云峰;莊麗葵;丁萌;;基于控制線方法的機(jī)載SAR和可見光圖像匹配應(yīng)用研究[J];航空學(xué)報(bào);2013年09期

9 何國(guó)棟;石建平;馮友宏;謝小娟;楊凌云;;一種新的紅外與可見光圖像融合算法[J];傳感器與微系統(tǒng);2014年04期

10 何國(guó)棟;石建平;馮友宏;謝小娟;楊凌云;;基于壓縮感知的紅外與可見光圖像融合算法[J];激光與紅外;2014年05期

相關(guān)會(huì)議論文 前10條

1 李娜;高宏霞;劉勝文;;地面景物紅外可見光圖像差異性研究[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

2 羅志榮;趙紅怡;;一種基于結(jié)構(gòu)的紅外與可見光圖像配準(zhǔn)方法[A];第二十四屆中國(guó)(天津)2010’IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2010年

3 余萍;張曉芬;;基于變分模型的紅外/可見光圖像配準(zhǔn)方法研究[A];2009全國(guó)虛擬儀器大會(huì)論文集（二）[C];2009年

4 羅志榮;孫晶;;紅外與可見光圖像的邊緣融合[A];第二十四屆中國(guó)(天津)2010’IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2010年

5 趙云豐;付冬梅;尹怡欣;王嘉;;基于人工免疫的紅外與可見光圖像配準(zhǔn)方法[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

6 陳磊;楊風(fēng)暴;王志社;紀(jì)利娥;;面向目標(biāo)識(shí)別的SAR與可見光圖像融合算法[A];第十三屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2013年

7 胡謀法;李超;王書宏;韓建濤;陳曾平;;可見光圖像背景灰度特性:雙高斯混合分布模型[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

8 胡謀法;王書宏;李超;韓建濤;陳曾平;;空時(shí)域聯(lián)合去相關(guān)檢測(cè)可見光背景下的運(yùn)動(dòng)小目標(biāo)[A];光電技術(shù)與系統(tǒng)文選——中國(guó)光學(xué)學(xué)會(huì)光電技術(shù)專業(yè)委員會(huì)成立二十周年暨第十一屆全國(guó)光電技術(shù)與系統(tǒng)學(xué)術(shù)會(huì)議論文集[C];2005年

9 江孝國(guó);顧鎮(zhèn)南;祖成奎;;高能X射線轉(zhuǎn)換屏研究[A];第11屆全國(guó)發(fā)光學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

10 蔣宏;任章;;紅外與可見光圖像配準(zhǔn)和融合中的關(guān)鍵技術(shù)[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

相關(guān)重要報(bào)紙文章 前2條

1 陳磊;風(fēng)云二號(hào)C星第一幅可見光圖像成功獲取[N];中國(guó)氣象報(bào);2004年

2 本報(bào)記者 魏靜;人臉識(shí)別獲突破 千億市場(chǎng)被打開[N];中國(guó)證券報(bào);2014年

相關(guān)博士學(xué)位論文 前6條

1 喬鐵柱;輸送帶縱向撕裂可見光與紅外雙目視覺在線檢測(cè)系統(tǒng)研究[D];太原理工大學(xué);2015年

2 趙振兵;電氣設(shè)備紅外與可見光圖像的配準(zhǔn)方法研究[D];華北電力大學(xué)（河北）;2009年

3 周渝人;紅外與可見光圖像融合算法研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2014年

4 宋懷波;低質(zhì)量可見光圖像的處理技術(shù)和識(shí)別方法研究[D];山東大學(xué);2009年

5 吳迪;可見光圖像視覺顯著物體探測(cè)及畸變不變光學(xué)相關(guān)識(shí)別[D];哈爾濱工業(yè)大學(xué);2013年

6 陳文;基于可見光和紅外熱像儀的雙目視覺運(yùn)動(dòng)目標(biāo)跟蹤[D];南京航空航天大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王秋;基于無(wú)人機(jī)的紅外圖像和可見光圖像配準(zhǔn)及融合算法研究[D];華南理工大學(xué);2015年

2 王文治;實(shí)時(shí)紫外與可見光融合信號(hào)處理及實(shí)現(xiàn)[D];南京理工大學(xué);2015年

3 孫雷;4179小行星雷達(dá)模型的修正[D];哈爾濱工業(yè)大學(xué);2015年

4 楊蒙蒙;基于非下采樣Contourlet變換的紅外和可見光圖像融合[D];河南科技大學(xué);2015年

5 吳迪;紅外與可見光圖像融合算法研究[D];中國(guó)科學(xué)院研究生院（光電技術(shù)研究所）;2015年

6 李霄;可見光圖像與紅外圖像融合技術(shù)研究[D];電子科技大學(xué);2014年

7 舒久明;紅外與可見光圖像融合算法研究[D];西安電子科技大學(xué);2014年

8 劉志庭;基于視覺注意的紅外與可見光圖像配準(zhǔn)[D];西安電子科技大學(xué);2014年

9 董亞楠;基于Tetrolet變換的紅外與可見光圖像融合算法研究[D];蘭州交通大學(xué);2015年

10 陳天明;基于FPGA的紅外與可見光圖像融合系統(tǒng)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2015年

本文編號(hào)：2549888