红外中波细分图像的小波包变换融合研究

分析了红外中波段的两个细分波段(3.4μm^4.1μm和4.5μm^5.3μm)的成像特点,提出了基于二维小波包变换和局部能量的两个红外中波细分波段图像的融合算法.实验结果表明,融合图像同细分图像和未细分图像相比,标准偏差分别增加了6.47%和1.50%,多向粗糙度分别增加了4.82%和4.32%,而太阳影响参数分别下降了4.96%和9.03%,融合了两幅细分图像中比较清晰的信息,减少了太阳饱和区,证明了融合算法的有效性,说明了通过两个细分波段融合的方法可以获得比原中波波段成像效果更好的图像.

红外中波细分图像的伪彩色增强

提出了基于lαβ颜色空间变换和小波包变换的红外中波细分波段图像的伪彩色增强方法.利用lαβ变换将两个细分波段RGB彩色映射的伪彩色图像的颜色和亮度信息分离,通过二维小波包变换得到两个细分波段的融合图像,将融合图像和颜色信息经过lαβ逆变换形成伪彩色增强图像.实验结果表明,同简单彩色映射图像相比,伪彩色增强图像的局部标准偏差和局部熵都有增加,从而使图像具有更好的感知效果.

基于人眼中心-环绕对抗受域神经网络的红外中波细分图像的融合

研究了红外中波的两个细分波段(3.4～4.1μm和4.5～5.3μm)的成像特点。通过分析视网膜受域的结构特点,利用人眼中心-环绕对抗受域神经网络,设计一种新的神经网络模型,将两幅细分图像进行融合。实验结果表明,融合后的图像和细分图像相比,局部标准偏差和多向粗糙度都增加,太阳影响参数却下降了,融合了两幅细分图像中比较清晰的信息,减少了太阳饱和区,证明了该融合算法的有效性,说明了通过该融合方法可以获得比原红外中波细分图像成像效果更好的图像。