基于引导滤波二尺度分解的红外与可见光图像融合

为了降低多尺度分解融合算法的复杂性,并提高融合图像适应人类视觉特点,本文提出一种基于引导滤波二尺度分解的红外与可见光图像融合的方法。首先利用引导滤波对可见光图像实施增强的图像预处理,然后利用引导滤波将源图像分解为基础层和细节层。在细节层的融合规则中我们采用能量保护和细节提取的方法,最后将融合后的细节层与基础层合成融合结果。实验结果表明所给方法在提高视觉感知、细节处理、边缘保护等方面都有良好的效果。本文最后还讨论了可见光图像增强对融合方法的影响:从实验数据可知,增强可以提升融合效果,但在图像融合中融合方法才是关键。

基于Retinex增强的多尺度分解的红外与可见光图像融合算法

针对传统红外与可见光图像融合算法在低照度条件下融合结果对比度差、目标边际模糊、背景细节信息丢失等问题,提出一种基于Retinex增强的多尺度分解的红外与可见光图像融合算法。首先,利用Retinex对弱可见光图像进行单尺度Retinex(SSR)算法信息增强处理;其次,利用交叉双边滤波对源图像进行多尺度分解,先后得到图像的基层图像信息和细节层图像信息,对基础层图像采用绝对值取大策略和引导滤波相结合的融合方法,对细节层图像采用构建权重图和显著图的融合方法;最后,将处理后的基础层图像和细节层图像加权得到融合图像。从主观分析来看,本文方法可以有效提取和融合源图像中的重要信息,得到融合质量高、视觉效果自然清晰的图像。从客观评价来看,多组图像融合结果表明,本文所提方法的AG、SF、CE和FMI指标均较好。

三尺度分解和稀疏表示的红外和可见光图像融合

为提高对含噪声源图像的处理效果,以及提高融合图像的对比度、结构信息等,提出一种基于三尺度分解和稀疏表示的红外和可见光图像融合算法。首先,为增强对噪声的去除效果,并且维持源图像的结构和边缘特性,利用滚动引导滤波器对源图像进行分解,将源图像分解为基础层和细节层;其次,为充分利用基础分量中的细节和能量,同时降低模型的复杂性,构造结构-纹理分解模型,将基础层再次分解为基础结构层和基础纹理层。然后分析三个分量的不同特点,使用不同的融合规则对三个分量分别进行融合,针对细节分量,其含有主要的噪声成分,但含噪声程度又不一样,因此根据图像含噪声的程度自适应确定稀疏融合去噪参数,从而同时实现对细节分量的融合和去噪,并且能够有效地提高计算效率;针对基础结构分量,其包含的细节特征较少,直接采用基于视觉显著图的加权平均技术进行预融合;针对基础纹理分量,由于其包含了视觉上重要的信息或图像特征,如边缘、直线和轮廓等活动信息,能够反映出原始基础图像的主要细节,因此采用主成分分析方法进行预融合,最终通过重构细节、基础结构和基础纹理层来得到融合图像。为验证所提方法的有效性,选取了多组红外和可见光图像进行试验,并与近期的五种方法CNN、FPDE、ResNet、IFEVIP、TIF进行了对比,采用主观和客观的形式对结果进行分析。实验结果表明,同其他图像融合算法进行对比分析,该方法能够兼顾含噪声和无噪声图像的融合,在有无噪声的情况下均能够将源图像的细节、亮度和结构保留到融合图像中,而且能有效地消除噪声。

基于自适应引导滤波的子带分解多尺度Retinex红外图像增强

利用引导滤波的边缘保持特性及梯度保持特性,提出一种基于自适应引导滤波的子带分解多尺度Retinex红外图像增强算法。首先利用自适应引导滤波对光照分量进行精确估计,生成光谱不重叠的Retinex子带,然后对各个子带进行自适应增强,最后将各个增强后的子带加权融合。实验证明,该算法可有效消除光晕现象及凸显红外图像细节。

基于双引导滤波的红外和可见光图像融合算法

图像融合是将多幅图像中有用或互补信息整合成一幅图像的过程。本文提出了一种基于引导滤波多尺度分解的红外和可见光图像融合算法。在传统的引导滤波图像融合算法的基础之上,利用双引导滤波器代替均值滤波器将源图像分解为小尺度纹理细节、大尺度边缘和基础图像;直接利用纹理细节及边缘层图像构建显著性映射图,用其代替额外的特征提取操作,可很好地突出源图像显著性信息的同时大大降低算法复杂度;利用显著性映射图、Sigmoid函数构造权重图,将源图像中具有视觉意义的信息注入到融合图像中;利用色彩模型转换融合方式,可更好保留图像的色彩信息。定性和定量实验结果证明,相比于传统的基于引导滤波的图像融合算法,本文算法的融合效果得到进一步提升。

基于双边滤波的二维动画图像多尺度细节增强方法

传统二维动画图像增强方法很难保证色彩通道之间存在的关联性,导致图像缺乏层次感,可靠性差。为此,设计基于双边滤波的二维动画图像多尺度细节增强方法。对原始的二维动画图像进行多尺度分解,通过双平台直方图均衡处理分解后的背景层图像,保证图像整体灰度动态范围与原始图像相同。在多尺度图像融合过程中,引入梯度权重因子,利用梯度函数增强图像细节,获得细节图像,并计算出所有分解图像的细节系数,通过加权平均实现分解图像融合。实验结果表明,所设计的基于双边滤波二维动画图像多尺度细节增强方法能够有效去除图像噪声,保持图像边缘平滑,提高图像的层次感,可靠性强。

基于多尺度Retinex的低照度公路交通图像增强算法

针对公路场景下的视频监控系统与其他图像采集设备常常受到环境因素的影响,使得采集到的图像呈现出低照度、低对比度、不清晰等缺点,不利于后期对交通运行状态的识别等。因此,本文提出一种基于二维gamma函数改进的多尺度Retinex的低照度公路交通图像增强算法。首先,采用引导滤波将原始低照度公路交通图像分为基础图像与细节图像后加权融合,获得对比度增强图像;然后在HSV颜色空间下,采用本文改进的算法校正亮度分量,获得亮度增强图像;最后多尺度融合对比度增强图像与亮度增强图像,得到最终增强图像。实验结果表明,本文算法能够有效提升公路交通图像的亮度、对比度与清晰度,适用于公路场景的视频监控系统与图像采集设备。

一种基于曲波变换与引导滤波增强的图像融合方法

针对可见光图像受光线、天气等影响而成像不清导致图像融合效果差的问题,提出一种基于曲波变换的红外与可见光图像增强融合方法.首先,利用引导滤波对可见光图像细节进行增强;然后,利用曲波变换将增强后的可见光图像和红外线图像分别进行分解,对低频部分取系数最大值,高频部分采用正方形邻域窗口中绝对值和所对应的像素最大值为融合图像的值;最后,利用曲波变换的逆变换得到融合后的结果.实验结果表明,该方法在细节处理、保护边缘及源图像信息的保留上都有良好的效果.

一种基于曲波变换与引导滤波增强的图像融合方法

为解决可见光图像受光线、天气等影响而成像不清导致图像融合效果差的问题,对红外线与可见光图像提出一种基于夜视背景增强的融合方法,来提高图像融合后的效果.首先利用引导滤波对可见光图像内容进行增强,然后利用曲波变换将增强后的可见光图像和红外线图像分别进行分解.对低频部分采用基于能量保护和细节提取的融合方法,高频部分采用自适应参数的PCNN模型的融合规则;最后,利用曲波变换逆变换得到融合后的结果.实验结果表明所提方法在细节处理、保护边缘及源图像信息上都有良好的表现,由此提高了可见光图像照明条件不佳时的融合效果.

基于多尺度贯序式卡尔曼滤波的运动声阵列跟踪算法

为了研究运动声阵列对二维目标在复杂环境中的实时跟踪性问题,根据运动声阵列及二维目标的运动特点建立了状态方程与测量方程,并将其描述为块的形式.根据不同的状态块,利用小波变换把状态块分解到不同尺度上,分别在时域和频域上建立相应尺度上的状态与观测信息之间的关系;采取卡尔曼滤波器递推思想来实现运动声阵列的多尺度贯序式卡尔曼滤波算法,根据最小二乘误差估计理论推导了运动声阵列跟踪系统在球坐标系和直角坐标系下的误差,为提高系统跟踪精度奠定了理论基础,并为工程应用提供了实际方法.与传统的卡尔曼滤波算法相比,Matlab仿真结果表明了本文算法的有效性和优越性.

一种改进的二维局部均值分解算法

针对二维局部均值分解(BLMD)对图像进行多尺度分解时,计算过程费时,模态混叠现象严重的问题,提出一种快速自适应二维局部均值分解算法(FABLMD)。算法首先通过图像极值点信息计算顺序统计滤波器(OSF)窗口大小;然后利用OSF求图像上下包络曲面,进而得到包络估计函数和局部均值函数;最后在新的筛分终止条件下经过有限次迭代,快速将图像分解成一系列尺度不同的分量图像。仿真结果表明,改进算法计算速度更快,模态混叠现象得到有效抑制,对图像中不同频率成分的分解能力和效率都要优于BLMD。

基于多尺度边缘保持分解与PCNN的医学图像融合

在医学图像融合过程中,传统多尺度分析方法多采用线性滤波器,由于无法保留图像边缘特征导致分解阶段的强边缘处出现模糊,从而产生光晕。为提高融合图像的视觉感知效果,通过结合多尺度边缘保持分解方法与脉冲耦合神经网络(PCNN),提出一种新的图像融合方法。对源图像进行加权最小二乘滤波分解得到图像的基础层和细节层,采用高斯滤波器对基础层进行二次分解得到低频层和边缘层,将分解过程中每级边缘层和细节层叠加构建高频层,并引入非下采样方向滤波器组进行方向分析。在此基础上,利用改进的空间频率以及区域能量激励PCNN融合高频层和低频层,通过逆变换得到最终的融合图像。实验结果表明,该方法能够突出医学图像的边缘轮廓并增强图像细节,可将更多的显著特征从源图像分离并转移到融合图像中。

融合Sobel算子的SAR图像结构优化方法

针对传统滚动引导滤波算法在处理SAR图像时,面对较多琐碎纹理效果欠佳,容易产生虚假边缘的问题,提出融合Sobel算子自适应计算图像中每个像素点的梯度,反映图像的边缘强度来指导滚动引导滤波参数的调整,从而优化滚动引导滤波的结果。通过传统算法和改进算法对雷达图像处理的边缘强化和细节纹理提取的对比结果表明,提出的利用Sobel算子来进行滚动引导滤波参数的调整有着明显提升,能有效地支撑雷达图像的后续处理,为图像的强散射结构提取提供了一种新的方法。

多尺度细节增强的遥感影像超分辨率重建

鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。

一种改进的多尺度Retinex色调映射算法

传统的低动态范围显示设备不能很好地表现高动态范围图像信息,针对这一问题,提出一种基于引导滤波的Retinex多尺度分解色调映射算法。该算法使用引导滤波对光照信息进行估计,将高动态范围图像的亮度分为光照层和反射层;然后对反射层分量进行多尺度分解,得到一系列细节层和一个基本层,将细节层和基本层进行合并和色彩还原;最后得到色调映射后的图像。实验结果表明,该算法可以较好地还原真实场景信息,映射后图像的细节和对比度较好,色彩鲜艳。

基于梯度域引导滤波和显著性分析的红外与可见光图像融合

针对传统多尺度融合方法不能突出目标信息、融合图像缺失细节与纹理的问题,提出一种基于梯度域引导滤波和显著性检测的红外与可见光图像融合方法。该方法利用梯度域引导滤波将输入图像分解为基础层和细节层,同时利用加权的全局对比度方法将基础层分解为特征层以及差异层。在融合过程中,分别采用相位一致性组合加权局部能量、局部熵结合加权最小二乘优化、平均规则来融合特征层、差异层、细节层。实验结果表明,所提融合方法的多项指标相对于其他方法提升较多,且图像视觉效果更好,在突出目标信息、保留轮廓细节、提高对比度和清晰度方面十分有效。

结合图像增强和多尺度分解的红外与可见光图像融合

针对近年来红外与可见光图像融合易发生细节信息丢失、对比度低等问题,提出一种结合可见光图像增强和多尺度分解的红外与可见光图像融合算法。首先,提出一种自适应可见光图像增强方法,提高了可见光图像的整体对比度,并增强了可见光图像中的细节信息。然后提出一种基于高斯滤波和滚动引导滤波的多尺度分解算法,将源图像分解为小尺度层、大尺度层和基础层,小尺度层融合采用基于最大绝对值的融合规则,大尺度层融合采用非线性权重系数将红外光谱特征注入到可见光图像中,基础层采用视觉显著映射的融合规则避免对比度损失,最后重建各尺度层生成融合图像。实验结果表明,与其他算法对比,所提方法的客观评价指标边缘保持度、基于人类启发感知的指标、空间频率、标准差、边缘强度分别平均提升了23.50%、30.38%、46.67%、50.41%、20.17%、54.19%,此外,生成的融合图像在主观评价中也具有较好的表现。

基于HMSD和改进的显著性检测的图像融合

针对由于可见光与红外图像的特点不同,使得融合图像中会存在目标不突出、对比度低、伪影多的问题,提出了一种基于混合多尺度分解和改进的显著性检测的红外与可见光图像融合方法。利用梯度引导滤波器的边缘保持特性和高斯滤波器的平滑特性将红外和可见光分解为不同特征的层次。对不同层次的图像采用不同的融合策略,针对基层,使用一种改进的显著性检测进行融合。结合各层融合的子图像来重构的融合图像具有突出目标和清晰背景。实验结果表明:所提出的方法与其他经典融合算法相比,融合质量更高、视觉效果更好。

红外与可见光图像分解与融合方法研究

红外与可见光图像融合旨在生成一幅新的图像,能够对场景进行更全面的描述。本文提出一种图像多尺度混合信息分解方法,可有效提取代表可见光特征分量的纹理细节信息和代表红外特征分量的边缘信息。本文方法将边缘信息进行进一步分割以确定各分解子信息的融合权重,以有效地将多尺度红外光谱特征注入到可见光图像中,同时保留可见光图像中重要的场景细节信息。实验结果表明,本文方法能够有效提取图像中的红外目标,实现在融合图像中凸显红外目标的同时保留尽可能多的可见光纹理细节信息,无论是主观视觉还是客观评价指标都优于现有的图像融合方法。

基于二次引导滤波的局部立体匹配算法

针对当前局部立体匹配视差精度低的问题,提出了一种二次引导滤波模型,并应用于局部立体匹配算法。在新设计的二次引导滤波模型中,将第一次引导滤波的输出图像作为第二次引导滤波的引导图像,克服了传统引导滤波的缺陷,抑制了噪声。在代价聚合阶段引入二次引导滤波,使用跨尺度框架聚合各尺度的匹配代价,进一步提高算法匹配精度。实验结果表明,基于二次引导滤波的局部立体匹配算法在Middlebury测试平台上对标准立体图像对的检测具有更高的精度,且代价聚合步骤的时间复杂度与滤波窗口大小无关,在匹配精度和速度上都取得了良好的效果。二次引导滤波的思想有望在立体匹配等领域取得更广泛的应用。