為了解決在含噪聲多源傳感器圖像融合中,常規(guī)濾波存在圖像邊緣缺失、對(duì)比度差的缺點(diǎn),提出了一種基于多尺度順序開(kāi)關(guān)算子（multi-scale sequential toggle operator,MSTO）和Beamlet保邊濾波算子的含噪聲紅外與可見(jiàn)光圖像融合算法.首先,將多源圖像通過(guò)MSTO進(jìn)行多尺度分解,得到能量分量和細(xì)節(jié)分量.對(duì)于細(xì)節(jié)分量采用Beamlet保邊濾波算子進(jìn)行處理,保持圖像邊緣細(xì)節(jié)的同時(shí)濾除噪聲,采用MSTO計(jì)算出能量圖像的亮邊緣和暗邊緣并融合疊加到細(xì)節(jié)分量中,進(jìn)一步增強(qiáng)融合圖像的邊緣.對(duì)于能量分量采用基于灰度值取大的融合規(guī)則.最后根據(jù)MSTO反變換對(duì)融合后的能量分量和細(xì)節(jié)分量進(jìn)行重構(gòu),得到結(jié)果圖像.實(shí)驗(yàn)結(jié)果表明,融合后的圖像不但濾除了噪聲,而且對(duì)輪廓和邊緣細(xì)節(jié)得到較完整的提取和增強(qiáng).該圖像融合算法在含噪聲多源傳感器的融合中取得較好的效果. 

【文章來(lái)源】：東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017,47(06)北大核心EICSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

Lena圖三層分解結(jié)果

http://journal．seu．edu．cn式中，i為分解的尺度．對(duì)Lena圖像作三階多尺度分解后的圖像如圖1所示．(a)一次分解能量圖(b)一次分解細(xì)節(jié)圖(c)二次分解能量圖(d)二次分解細(xì)節(jié)圖(e)三次分解能量圖(f)三次分解細(xì)節(jié)圖圖1Lena圖三層分解結(jié)果1.2亮邊緣和暗邊緣數(shù)學(xué)形態(tài)學(xué)多尺度順序開(kāi)關(guān)算子能夠在能量圖像中提取出紅外圖像和可見(jiàn)光圖像的亮邊緣bi(f)(x，y)，bi(g)(x，y)和暗邊緣ai(f)(x，y)，ai(g)(x，y)，即bi(f)(x，y)=max(si－1(f)(x，y)－si(f)(x，y)，0)(5)bi(g)(x，y)=max(si－1(g)(x，y)－si(g)(x，y)，0)(6)ai(f)(x，y)=max(si(f)(x，y)－si－1(f)(x，y)，0)(7)ai(g)(x，y)=max(si(g)(x，y)－si－1(g)(x，y)，0)(8)三階Lena圖的亮邊緣和暗邊緣的提取圖像如圖2所示．(a)亮邊緣(b)暗邊緣圖2Lena的亮邊緣和暗邊緣2基于MSTO的含噪聲多傳感器圖像融合算法2.1算法流程基于MSTO的含噪聲多傳感器圖像融合算法流程如下:①將嚴(yán)格配準(zhǔn)過(guò)的紅外圖像和可見(jiàn)光圖像進(jìn)行MSTO多尺度分解，分別得到紅外圖像和可見(jiàn)光圖像的能量分量s(f)，s(g)和細(xì)節(jié)分量d(f)和d(g)．②采用改進(jìn)的Beamlet保邊濾波算子對(duì)紅外圖像和可見(jiàn)光圖像的細(xì)節(jié)分量進(jìn)行濾波，得到濾波后的細(xì)節(jié)分量dF(f)，fF(g)．③采用MSTO計(jì)算紅外和可見(jiàn)光能量圖像的亮邊緣b(f)(x，y)，b(g)(x，y)和暗邊緣圖像a(f)(x，y)，a(g)(x，y)，并采用加權(quán)融合方法將亮邊緣和暗邊緣圖像分別進(jìn)行融合．④采用融合公式的細(xì)節(jié)融合規(guī)則對(duì)亮邊緣、暗邊緣與紅外和可見(jiàn)光圖像的細(xì)節(jié)分量進(jìn)行融合．⑤采用灰度值取大的低頻融合規(guī)則，對(duì)紅外和可見(jiàn)光圖像的能量分量進(jìn)行融合．⑥采用MSTO反向變換對(duì)融合后的能量

http://journal．seu．edu．cn式中，i為分解的尺度．對(duì)Lena圖像作三階多尺度分解后的圖像如圖1所示．(a)一次分解能量圖(b)一次分解細(xì)節(jié)圖(c)二次分解能量圖(d)二次分解細(xì)節(jié)圖(e)三次分解能量圖(f)三次分解細(xì)節(jié)圖圖1Lena圖三層分解結(jié)果1.2亮邊緣和暗邊緣數(shù)學(xué)形態(tài)學(xué)多尺度順序開(kāi)關(guān)算子能夠在能量圖像中提取出紅外圖像和可見(jiàn)光圖像的亮邊緣bi(f)(x，y)，bi(g)(x，y)和暗邊緣ai(f)(x，y)，ai(g)(x，y)，即bi(f)(x，y)=max(si－1(f)(x，y)－si(f)(x，y)，0)(5)bi(g)(x，y)=max(si－1(g)(x，y)－si(g)(x，y)，0)(6)ai(f)(x，y)=max(si(f)(x，y)－si－1(f)(x，y)，0)(7)ai(g)(x，y)=max(si(g)(x，y)－si－1(g)(x，y)，0)(8)三階Lena圖的亮邊緣和暗邊緣的提取圖像如圖2所示．(a)亮邊緣(b)暗邊緣圖2Lena的亮邊緣和暗邊緣2基于MSTO的含噪聲多傳感器圖像融合算法2.1算法流程基于MSTO的含噪聲多傳感器圖像融合算法流程如下:①將嚴(yán)格配準(zhǔn)過(guò)的紅外圖像和可見(jiàn)光圖像進(jìn)行MSTO多尺度分解，分別得到紅外圖像和可見(jiàn)光圖像的能量分量s(f)，s(g)和細(xì)節(jié)分量d(f)和d(g)．②采用改進(jìn)的Beamlet保邊濾波算子對(duì)紅外圖像和可見(jiàn)光圖像的細(xì)節(jié)分量進(jìn)行濾波，得到濾波后的細(xì)節(jié)分量dF(f)，fF(g)．③采用MSTO計(jì)算紅外和可見(jiàn)光能量圖像的亮邊緣b(f)(x，y)，b(g)(x，y)和暗邊緣圖像a(f)(x，y)，a(g)(x，y)，并采用加權(quán)融合方法將亮邊緣和暗邊緣圖像分別進(jìn)行融合．④采用融合公式的細(xì)節(jié)融合規(guī)則對(duì)亮邊緣、暗邊緣與紅外和可見(jiàn)光圖像的細(xì)節(jié)分量進(jìn)行融合．⑤采用灰度值取大的低頻融合規(guī)則，對(duì)紅外和可見(jiàn)光圖像的能量分量進(jìn)行融合．⑥采用MSTO反向變換對(duì)融合后的能量

【參考文獻(xiàn)】：
期刊論文
[1]基于噪聲評(píng)價(jià)的微光紅外圖像自適應(yīng)融合方法[J]. 胡清平,張曉暉,劉超.  海軍工程大學(xué)學(xué)報(bào). 2017(01)
[2]基于可控濾波器和空間頻率的圖像融合算法[J]. 郭峰,楊靜,史健芳.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(08)
[3]一種新的基于多尺度幾何分析的圖像融合方法[J]. 沈瑜,黨建武,王陽(yáng)萍,馮鑫,羅維薇.  光電子.激光. 2013(12)
[4]多源視頻序列噪聲抑制融合算法[J]. 王昕,魏有利,李高略,劉富.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(S2)
[5]一種抗噪聲的高效多聚焦圖像融合算法[J]. 嚴(yán)春滿,郭寶龍,楊秀紅.  西安電子科技大學(xué)學(xué)報(bào). 2011(03)
[6]結(jié)構(gòu)優(yōu)化型顏色傳遞融合方法[J]. 李光鑫,徐抒巖,董吉洪.  電子學(xué)報(bào). 2011(01)



本文編號(hào)：3260594