基于BEEMD分解的红外与可见光图像融合

针对二维经验模态分解(BEMD)算法在图像分解过程中存在模态混叠,提出了一种基于二维集合经验模态分解(Bi-dimensional Ensemble Empirical Mode Decomposition,BEEMD)算法的红外与可见光图像融合方法。为了抑制分解过程中存在的模态混叠现象,获得准确的特征分量和残差分量,使用BEEMD算法对图像进行分解。对获得的特征分量采用局部区域能量选择与加权的融合策略进行融合,而残差分量采用模糊逻辑进行融合。将融合后的特征分量和残差分量叠加得到最后的融合图像。实验结果表明,该方法能够很大程度上保留可见光图像的背景信息,同时突出红外图像的目标,具有较好的可视性,而且在平均梯度(AG)、标准差(SD)、信息熵(IE)等客观评价指标方面,也有明显的优势。

地铁车辆障碍物检测技术应用研究

障碍物检测是确保地铁车辆运行安全的一个重要措施,但是目前地铁运行障碍物检测存在场站环境下单一传感器检测速度慢、准确性差、范围小的问题,为实现对其的有效弥补,在可见光与近红外结合的双目视觉技术迅速发展的支持下,基于红外成像系统与可见光成像系统,设计地铁障碍物检测系统;基于对系统功能需求与运行平台的分析,明确系统功能模块及其硬件构成;由于红外与可见光图像传感器的成像机理不同,拍摄的图像也存在差异,利用BEEMD算法对图像进行融合之后,执行YOLO障碍物类别检测任务;最后分析系统应用,结果表明可以实现列车运行中前方列车80~500 m安全限界范围内的障碍物识别。