基于改进FT显著性检测的NSCT红外和可见光图像融合

为了克服传统算法存在对比度低、细节和纹理缺失严重以及基于显著性检测算法存在对噪声敏感、适应性和抗干扰能力不强的问题,提出了一种基于改进的频率调谐(FT)显著性检测的非下采样轮廓波变换(NSCT)红外与可见光融合方法。首先,采用改进的显著图提取算法瞄准红外图像,用于从背景中区分目标。其次,使用NSCT对红外图像和可见光图像进行高、低频子带的分解。利用计算得到的红外显著权重图对低频子带系数进行指导融合,可以很好地保留目标和背景之间的对比度;对高频部分采用局部加权能量的规则进行抉择,再通过加权最小二乘(WLS)优化可以获得更多的细节信息和减小噪声影响。最后,对融合后的高频和低频子带系数进行NSCT逆变换得到最终的融合图像。通过4组图像的实验对比结果可知,在主观上,本文方法相较于其他方法具有目标突出、细节提取丰富、边缘伪影现象消除明显、视觉效果更好的优点。本文方法在4个客观评价指标——平均梯度(AG)、信息熵(IE)、空间频率(SF)、互信息(MI)上都处于最好的状态,与5种对比方法相比,AG、IE、SF、MI的平均值分别提高了8.19%、5.34%、8.54%、68.18%,说明了所提出方法的可靠性和有效性。

基于滚动引导滤波的红外与可见光图像融合

为提高融合图像更加适应人类视觉感知,并解决可见光图像受光线、天气等影响而导致融合效果不佳的问题,本文提出了一种基于滚动引导滤波的可见光与红外图像融合方法。首先,利用引导滤波对可见光图像的内容进行增强,然后,利用滚动引导滤波将可见光和红外图像进行多尺度分解为小尺度层、大尺度层和基础层。在大尺度层的信息合成的过程中利用加权最小二乘法融合规则解决融合时可见光与红外图像不同特征带来的困扰,提高融合图像的视觉效果;在基础层的融合过程中采用优化的视觉显著图融合规则,减少对比度损失。最后,将大尺度层、小尺度层与基础层合并为融合后的图像。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。

一种多图像局部结构化融合的低照度图像增强算法

为将低照度图像及基于它生成的多个不同曝光度图像中的互补性信息进行最佳融合以获得更为鲁棒的视觉增强效果,提出了一种基于多图像局部结构化融合的两阶段低照度图像增强(Low-light image enhancement,LLIE)算法.在待融合图像制备阶段,提出了一种基于图像质量评价的最佳曝光度预测模型,利用该预测模型给出的关于低照度图像最佳曝光度值,在伪曝光模型下生成适度增强图像和过曝光图像(利用比最佳曝光度值更高的曝光度生成)各一幅.同时,利用经典Retinex模型生成一幅适度增强图像作为补充图像参与融合.在融合阶段,首先将低照度图像、适度增强图像(2幅)和过曝光图像在同一空间位置处的图块矢量化后分解为对比度、结构强度和亮度三个分量.之后,以所有待融合对比度分量中的最高值作为融合后的对比度分量值,而结构强度和亮度分量则分别以相位一致性映射图和视觉显著度映射图作为加权系数完成加权融合.然后,将分别融合后的对比度、纹理结构和亮度三个分量重构为图块,并重新置回融合后图像中的相应位置.最后,在噪声水平评估算法导引下自适应调用降噪算法完成后处理.实验结果表明:所提出的低照度图像增强算法在主客观图像质量评价上优于现有大多数主流算法.

基于显著性检测与梯度导向滤波的红外与可见光图像融合

针对红外与可见光融合图像背景信息丰富度不足,以及在融合过程中红外目标显著性、边缘轮廓清晰度和细节纹理信息的保留难以同时兼顾的问题,提出了一种在潜在低秩分解基础上结合图像增强和显著性检测,并运用梯度导向滤波重构融合决策图的红外与可见光融合方法.首先使用增强算法提高可见光图像的细节轮廓清晰度,并对红外源图使用视觉显著性检测处理,提取最初的显著性权重图;接着对红外图像与增强图像进行潜在低秩分解,获取细节层和基础层,将细节层作为引导图像引入梯度导向滤波系统,对之前获取的显著性权重图进行优化,得到对图像细节和轮廓把握更加精准的二次权重图;然后将初次权重和二次权重作为融合决策图分别引导基础层和细节层的融合;最后将重构好的细节和基础层使用加权平均法进行融合得到最终结果.实验结果表明,算法对融合结果中细节信息的保留,边缘轮廓分辨度和红外目标显著性的提升,均有着较好的表现,在质量指标如平均梯度、视觉信息保真度、图像互信息等方面也取得了较好的效果.

多角度融合的RGB-D显著检测

显著检测是计算机视觉的重要组成部分,但大部分的显著检测工作着重于2D图像的分析,并不能很好地应用于RGB-D图片的显著检测。受互补的显著关系在2D图像检测中取得的优越效果的启发,并考虑RGB-D图像包含的深度特征,提出多角度融合的RGB-D显著检测方法。此方法主要包括三个部分,首先,构建颜色深度特征融合的图模型,为显著计算提供准确的相似度关系;其次,利用区域的紧密度进行全局和局部融合的显著计算,得到相对准确的初步显著图;最后,利用边界连接权重和流形排序进行背景和前景融合的显著优化,得到均匀平滑的最终显著图。在RGBD1000数据集上的实验对比显示,所提出的方法超越了当前流行的方法,表明多个角度互补关系的融合能够有效提高显著检测的准确率。

基于视觉显著性加权与梯度奇异值最大的红外与可见光图像融合

为了综合利用红外与可见光图像的光谱显著性信息,同时提高融合图像的视觉对比度,本文提出了一种基于视觉显著性加权与梯度奇异值最大的红外与可见光图像融合方法。首先,该全新算法通过滚动引导剪切波变换作为多尺度分析工具,来获取图像的近似层分量与多方向细节层分量。其次,针对反映图像主体能量特征的近似层分量,采用视觉显著性加权融合作为其融合规则,该方法利用显著性加权系数矩阵指导图像内的光谱显著性信息有效融合,提高了融合图像的视觉观察度。此外,采用基于梯度奇异值最大原则来指导细节层分量的融合,该方法可以极大程度地将隐藏在两种源图像内的梯度特征还原到融合图像中,使融合图像具有更加清晰的边缘细节。为了验证本文算法的有效性,进行了5组独立的融合实验,最终的实验结果表明,本文算法融合图像的对比度更高,边缘细节更加丰富,并且相较于其它现有典型方法,AVG、IE、Q^(E)、SF、SD、SCD等客观参数指标分别提高了16.4%、3.9%、11.8%、17.1%、21.4%、10.1%,因此具有更加优良的视觉效果。

视觉显著性的自适应权重立体匹配算法

针对传统算法大多忽略人眼特性,获得的视差图与人眼真实感受之间存在一定差异的问题,提出了一种符合人眼视觉特性的自适应权重匹配算法.该算法首先引入视觉显著性特征,然后对像素权值分配进行改进并提出新的匹配代价度量准则,最后采取左右视差图融合的方法获得最终视差图.相关图像实验表明,改进算法很好地解决了遮挡问题,可精确描述边缘和细节视差;相对于原算法有较大程度的性能提升.

基于GF-WLS和VSM的多能量X射线图像融合方法

针对单一能量不能完整体现复杂结构件数字射线成像的全部图像信息这一问题,提出了一种基于引导滤波、加权最小二乘滤波(GF-WLS)和视觉显著图(VSM)的图像融合方法。首先,采用两种滤波方式对图像进行多尺度细节提取,提取出的细节作为细节层,原图作为基础层;其次,根据相位一致性和像素对比度原理分别对细节层和基础层构造视觉显著图,进而通过像素显著性的对比得到初始权重图,再利用引导滤波去除噪声;然后,将权重图归一化作为加权映射权重分别指导基础层与细节层的融合;最后,将融合后的两者进行叠加得到融合结果。试验表明,所提方法能够获得更高质量的融合图像。

局部极值分解耦合显著特征的医学图像融合算法

针对当前多模态医学图像融合方法中功能与结构信息互补性不强,易出现边缘失真与轮廓模糊等现象,提出了基于局部极值分解耦合显著特征的医学图像融合方案。引入局部极值,将源图像在不同尺度下分解为一系列的平滑与细节子图像;利用Canny算子获得边缘显著加权映射,以保持源图像的结构信息,并通过上下文感知算子来输出色彩显著加权映射,提取色彩与亮度信息;分别定义基于边缘和色彩的显著特征函数,将其作为加权映射系数的融合准则,得到平滑与细节融合图像;对平滑与细节图像进行重构,形成新图像。结果表明与当前融合技术相比,在CT图像与MRI图像、CT图像与PET图像融合中,所提方法得到的边缘与轮廓更清晰,细节更丰富。提出算法具有较高的融合质量,在医学、遥感与红外探测等领域有一定的应用价值。

基于滚动引导滤波的红外与可见光图像融合算法

针对红外与可见光图像融合时,易产生细节丢失、噪声抑制不佳等问题,本文提出了一种改进的滚动引导滤波融合算法。该算法充分利用了滚动引导滤波边缘和局部亮度保持特性,在通过均值滤波将输入图像分解为基础层与细节层的基础上,结合滚动引导滤波与高斯滤波获取输入图像的显著图,利用不同尺度参数的引导滤波对显著图优化得到权重图,将权重图作为权重分别指导基础层与细节层的融合,最后联合融合后的子图重构得到融合图像。针对3类测试数据进行的融合实验表明,与非下采样轮廓波变换、基于引导滤波、基于显著性检测的两个尺度的图像融合等经典方法相比,本文方法得到的融合图像不但从主观视觉效果上细节信息更丰富、目标对比度加强,并且在非线性相关信息熵、相位一致性等6项客观评价指标上均具有较好的效果。

基于显著性权重的多曝光融合的单幅雾天图像复原算法

传统暗原色理论的相关算法,在处理雾天图像时会产生颜色的畸变和亮度的损失,针对该情况,该文提出基于权重多曝光融合的单幅雾天图像复原算法。首先通过雾天图像的直方图分析,获取全局大气背景光值的区域。其次构造一种新的Kirsh算子的高阶差分滤波方法,优化透射率图像。最后设计一种基于显著性权重的多曝光图像融合方法,提高处理后图像的视觉效果。该文采用自然图像和合成图像进行实验,与多种算法通过主观和客观评价,表明该文算法比现有的算法有更高的复原效果。

基于显著性自适应权重图的红外可见光图像融合

为改善现有融合策略对源图像信息利用不够充分的问题,利用滚动引导滤波器和各向异性扩散来提取基础层和细节层,对获取的基础层和细节层分别使用视觉显著映射和权重图构建的方法进行融合,然后添加某一权重将融合后的基础层与细节层图像融合为最终图像。基于公开数据集的多个场景进行方法实验验证。实验结果表明,相比其他方法,所提方法得到的融合结果具有更好的对比度,在保持图像像素强度均匀分布的前提下在边缘细节处保留了丰富的纹理特征,具有更好的视觉效果和融合精度,同时在平均梯度、信息熵、空间频率等指标上取得了显著的进步。