基于高斯模糊逻辑和ADCSCM的红外与可见光图像融合算法

为了克服当前的红外与可见光图像融合算法存在着目标不够突出、纹理细节丢失等现象,本文提出了一种基于高斯模糊逻辑和自适应双通道脉冲发放皮层模型(AdaptiveDual-ChannelSpiking CorticalModel,ADCSCM)的红外与可见光图像融合算法。首先,使用非下采样剪切波变换(NonSubsampled Sheartlet Transform, NSST)将源图像分解为低频和高频部分。其次,结合新拉普拉斯能量和(New Sum of Laplacian, NSL)与高斯模糊逻辑,设定双阈值来指导低频部分进行融合;同时,采用基于ADCSCM的融合规则来指导高频部分进行融合。最后,使用NSST逆变换进行重构来获取融合图像。实验结果表明,本文算法主观视觉效果最佳,并在互信息、信息熵和标准差3项指标上高于其他7种融合算法,能够有效突出红外目标、保留较多纹理细节,提高融合图像的质量。

结合邻域特征与IDCSCM的红外与可见光图像融合

提出了一种结合邻域特征与改进双通道脉冲发放皮层模型(Improved Dual-Channel Spiking Cortical Model,IDCSCM)的红外与可见光图像融合算法。针对传统的脉冲发放皮层模型对于图像较暗区域的处理存在不足,采用双通道脉冲发放皮层模型进行图像融合,并对其进行改进。结合非下采样剪切波对源图像进行分解,同时选用子带图像合适的邻域特征作为IDCSCM的输入激励进行融合。通过实验验证,该方法可以在保留可见背景信息的同时有效地提取红外图像的目标信息,与其他几种方法进行对比,在标准差、信息熵,以及互信息等方面有明显的提高。

基于FCM与引导滤波的红外与可见光图像融合

针对传统红外与可见光图像融合算法中存在的目标模糊、细节丢失、算法不稳定等问题,提出了一种基于模糊C均值聚类(Fuzzy C-means,FCM)与引导滤波的红外与可见光图像融合方法。原图像经过非下采样剪切波变换(Nonsubsampled Shearlet Transform,NSST)后对低频子带进行引导滤波增强,再利用FCM与双通道脉冲发放皮层模型(Dual Channel Spiking Cortical Model,DCSCM)结合对高低频子带进行融合,最后经NSST逆变换得到融合图像。实验结果表明,本文算法稳定,主观评价上所得融合图像目标明确,细节保留较为完整,客观评价上在标准差、互信息、平均梯度、信息熵和边缘保留因子等评价标准中表现优良。

一种基于蚁狮最大熵算法与引导滤波的图像融合算法

传统红外与可见光图像融合算法中易出现目标提取不够充分、细节丢失等问题,导致融合效果不理想,从而无法应用于目标检测、跟踪或识别等领域。因此,该文提出一种基于蚁狮优化算法(ALO)改进的最大香农(Shannon)熵分割法结合引导滤波的红外与可见光图像融合方法。首先,使用蚁狮最大熵分割法(ALO-MES)对红外图像进行目标提取,然后,对红外和可见光图像使用非下采样剪切波变换(NSST),并对获得的低频和高频分量进行引导滤波。由提取的目标图像与增强后的红外和可见光低频分量通过低频融合规则得到低频融合系数,增强后的高频分量通过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。实验结果表明,所提算法能够得到目标明确、背景信息清晰的融合图像。

一种基于对比度增强和柯西模糊函数的红外与弱可见光图像融合算法

由于可见光图像在低光照环境下其可视性较差,为了提高红外与弱可见光图像融合的效果,提出了一种基于对比度增强和柯西模糊函数的图像融合算法.首先用改进的引导滤波自适应增强提高弱可见光图像暗区域的可视性;其次,利用非下采样剪切波变换将红外和增强后的弱可见光图像分解,得到相应的低频和高频子带;再后,分别用直觉模糊集构建柯西隶属函数和自适应双通道脉冲发放皮层模型对低频、高频子带进行融合;最后,使用非下采样剪切波变换对融合得到的高低频子带进行逆变换重构得到融合图像.实验结果表明,与其它融合算法相比,该算法有效地增强了弱可见光图像的暗区域,保留了更多的背景信息,从而提高了融合图像的对比度和清晰度.

基于改进的区域生长法与引导滤波的图像融合

针对红外与可见光图像融合算法中存在的目标提取不充分、细节丢失等问题,提出一种基于改进的区域生长法(IRG)与引导滤波的红外与可见光图像融合方法。首先对红外图像使用IRG进行目标提取,然后对红外和可见光图像使用非下采样剪切波变换(NSST),并对所得低频与高频分量进行引导滤波,由滤波后的红外和可见光低频分量通过基于IRG的融合规则得到低频融合系数,由增强的高频分量经过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。用主观评价和6种常用客观评价指标对融合图像进行评估。实验结果表明,所提算法的融合图像目标突出、背景信息清晰、细节保留能力强,在主观和客观评价上均有明显优势。

基于改进引导滤波和双通道脉冲发放皮层模型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中存在的目标不够突出、背景缺失、边缘信息保留不够充分等问题,提出了一种基于改进引导滤波和双通道脉冲发放皮层模型(DCSCM)的红外与可见光图像融合算法。首先,对源图像进行非降采样Shearlet变换(NSST),得到相应的低频和高频分量。然后,分别采用改进的引导滤波算法和DCSCM模型对低频、高频分量进行融合。最后,对融合得到的高低频分量进行NSST逆变换得到最终的融合图像。与其他几种方法进行比较,实验结果表明,本文算法的融合图像目标突出,背景信息丰富,且在图像清晰度、对比度、信息熵等方面均有优势。

基于FCM与ADSCM的红外与可见光图像融合

基于模糊C-均值(FCM)聚类的模型具有在图像分割中可以保留原始图像中大部分信息的优点,自适应双通道脉冲发放皮层模型(ADSCM)具有全局耦合、脉冲同步、参数少、计算效率高以及可以很好地处理较暗区域信息等优点。提出了一种基于FCM与ADSCM的红外与可见光图像融合算法。源图像经过非下采样剪切波变换(NSST)分解后,通过将FCM与ADSCM相结合,对相应的子带图像进行融合,最终经过逆NSST得到重建的新图像。实验结果表明:该方法与其他传统方法相比,可以在保留可见光背景信息的同时有效地提取红外图像的目标信息;与其他几种方法相比,所提方法在平均梯度、互信息以及边缘保留因子等方面有明显的改进。