积分商城

最新搜索： Souce Insight 3.5 DAPLINK 恒流源 canopen301 Proteus
您现在的位置是：首页 > 技术资料 > 基于变分多尺度的红外与可见光图像融合
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于变分多尺度的红外与可见光图像融合

更新时间：2019-12-24 01:38:52 大小：1M 上传用户：守着阳光1985查看TA发布的资源 标签：可见光图像融合 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

为解决变换域融合法对强噪声抑制能力差的问题,提出一种基于变分多尺度分解的红外与可见光图像融合方法.首先对待融合图像分别进行变分多尺度分解,获得纹理分量和结构分量.采用引导滤波的方法进行待融合图像的纹理分量融合,在结构分量融合上提出一种以相位一致性、清晰度、亮度综合信息来权衡融合权重的方法,最后将两幅图像融合后的纹理分量和结构分量相加获取最终融合图像.实验结果从主观观察和客观指标看,本文方法在清晰度和细节信息上比离散小波变换(discrete wavelet transform)法、非下采样轮廓波变换(non-subsampled contourlet transform)法、稀疏表示(sparse representation)法、剪切波变换(shearlet transform)法都要高.


部分文件列表

文件名 大小
基于变分多尺度的红外与可见光图像融合.pdf 1M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
3
Vol． 46 No． 3  
Mar． 2018  
第
期
电
子
学
报
2018  
3
ACTA ELECTRONICA SINICA  
年
月
基于变分多尺度的红外与可见光图像融合  
1
2
1
3
，
，
，
冯 鑫 张建华 胡开群 翟志芬  
( 1．  
，
400067;  
， 100125)  
农业部规划设计研究院 北京  
重庆工商大学机械工程学院制造装备机构设计与控制重庆市重点实验室 重庆  
2．  
，
100081; 3．  
中国农业科学院农业信息研究所 北京  
:
，
为解决变换域融合法对强噪声抑制能力差的问题 提出一种基于变分多尺度分解的红外与可见光图像  
摘
要
．
，
．
融合方法 首先对待融合图像分别进行变分多尺度分解 获得纹理分量和结构分量 采用引导滤波的方法进行待融合  
，
、
、
图像的纹理分量融合 在结构分量融合上提出一种以相位一致性 清晰度 亮度综合信息来权衡融合权重的方法 最后  
，
．
，
将两幅图像融合后的纹理分量和结构分量相加获取最终融合图像 实验结果从主观观察和客观指标看 本文方法在清  
( discrete wavelet transform) ( non-subsampled contourlet  
、
法 非下采样轮廓波变换  
晰度和细节信息上比离散小波变换  
transform) ( sparse representation)  
、
法 稀疏表示  
、
法 剪切波变换  
( shearlet transform)  
．
法都要高  
:
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
红外与可见光 变分多尺度 引导滤波 噪声抑制  
:
TP391. 4  
:
A
:
0372-2112 ( 2018) 03-0680-08  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 03． 025  
文献标识码  
文章编号  
电子学报  
The Infrared and Visible Image Fusion Method  
Based on Variational Multiscale  
1
2
1
3
FENG Xin ，ZHANG Jian-hua ，HU Kai-qun ，ZHAI Zhi-fen  
( 1． College of Mechanical Engineering，Key Laboratory of Manufacturing Equipment Mechanism Design and  
Control of Chongqing，Chongqing Technology and Business University，Chongqing 400067，China;  
2． Agricultural Information Institute of Chinese Academy of Agricultural Sciences，Beijing 100081，China;  
3． Chinese Academy of Agricultural Engineering，Beijing 100125，China)  
Abstract: To improve the ability of the classic transform domain fusion methods filter noise，this paper proposed an in-  
frared and visible light image fusion algorithm based on variation multi-scale decomposition method． Firstly，the original infra-  
red image and visible light image were decomposed into structure components and texture components by variation multi-scale  
decomposition． The guided filtering method was used in the texture components fusion． In the structure components fusion  
rule，three coefficients including phase consistency，clarity and brightness information were used to measure the weight． Final-  
ly，the performance of the result image is evaluated from objective numerical and subjective observation． When compared with  
the fusion method based on discrete wavelet transform ( DWT) ，non-subsampled contourlet transform( NSCT) ，sparse repre-  
sentation( SR) and shearlet transform( ST) ，the proposed fusion method has higher definition and detail information．  
Key words: infrared and visible light; variational multiscale; guide filtering; restrain noise  
． 、  
的处理和研究 这些优势使得图像融合在遥感 相机或  
1
引言  
、
、
手机成像 监控 侦查等领域广泛发展 尤其是红外与可  
，
见光图像融合在军事领域起到了非常重要的作用［1］  
图像融合是图像处理领域一项具有很大发展前景  
．
．
的研究 通过图像融合技术可以将两种不同类型成像  
，
目前 红外与可见光图像融合方法可以分为基于  
、
传感器或者同类传感器不同焦距 曝光等情况下所成  
空域的融合方法以及基于变换域的融合方法两种［2］  
．
，
图像合成一副信息量更加丰富的图像 更适合于后期  
，
近年来 大多融合方法都是基于变换域进行研究设计  
: 2016-09-29;  
: 2016-12-09;  
:
收稿日期  
修回日期  
责任编辑 覃怀银  
重庆市基础科学与前沿技术研究 一般 项目  
( No． 1352007) ; ( No． 2014-56-07)  
:
( No． 31501229) ;  
(
)
( No． csct2015jcyjA40014) ;  
( No．  
重庆市教委基金  
基金项目 国家自然科学基金  
KJ1400628) ;  
重庆工商大学青年博士基金  
重庆工商大学博士启动基金  
681  
3
:
第
期
冯
鑫 基于变分多尺度的红外与可见光图像融合  
［3］  
，
( Discrete  
的 甘甜等 提出一种基于分块离散余弦变换  
Cosine Transformation，DCT)  
．
编码小波的图像融合方法  
郑红等［4］提出一种基于  
变换的红外光与可见  
Shearlet  
光图像融合方法 王珺等［5］提出一种基于非下采样轮  
;
( Non-Subsampled Contourlet Transform，NSCT)  
廓波  
与稀  
疏表示的红外与可见光图像融合方法 刘卫等［6］提出  
;
一种基于平移不变剪切波域内的红外与可见光图像融  
［7］  
．
Tetrolet  
合方法 沈瑜等 提出一种基于  
变换的红外与  
． Morteza  
可见光图像融合方法  
Ripplet  
等
［8］采用压缩感知并结  
等
［9］提出一种  
． Yu Liu  
合
变换的图像融合方法  
．
多尺度几何分析结合稀疏表示的图像融合方法 殷明  
等［10］基于非下采样双树复轮廓波变换  
( Non-Subsample  
Dual-tree Complex Contourlet Transform，NSDCCT)  
和稀疏  
表示用于红外与可见光图像融合 提高了部分客观指  
; Jiang Wang  
，
标参数  
和
等
［11］提出基于形态学成分分析  
( Morphological Component Analysis，MCA)  
的图像融合方  
A
， ，  
法 将图像分解为卡通分量和纹理分量 再采用稀疏表  
，f  
λ 下的结构分量 表示红外光图像在尺度 λ 下的纹理  
vλ  
;
，
示方法进行融合 上述方法都取得了较好的效果 但是  
． arginf( ·)  
，
为最大值似然函数时所对应的自变量  
A
分量  
A
，
融合结果受噪声干扰影响较大 在噪声污染下对原始  
f
，f  
为输入红外光图  
为输入红外光图像的结构分量  
u
v
．
，
图像的边缘结构和纹理特性的保持较差 一般来说 红  
外与可见光图像的结构分量主要描述图像的基本轮廓  
，
像的纹理分量 则图像的残差可以表示为  
:
A
A
A
A
f = f － f － f  
u
( 2)  
r
v
A
，
，
结构 最易受噪声干扰 如果融合规则能够在滤波的同  
2 ，  
将尺度变量 λ 变为 λ 对  
f
，
继续进行分解 获取能量  
r
，
时并保持图像的边缘 则能获得结构清晰的融合结果  
;
:
泛函  
而纹理分量可以通过舍弃最小尺度上的纹理分量来降  
A
A
A
A
A
(
)
(
)
f ，; f ，f  
f ，f  
= arginf  
E
λ
u2λ  
v2λ  
r
u
v
λ
λ
{
．
低红外与可见光图像上的噪声对融合结果的影响  
A
A
A
A
=
f
+
f
－ f － f  
u
，
基于此 本文提出一种基于变分多尺度分解的红  
λ
u
r
v
λ
，
外与可见光图像融合方法 在对红外与可见光图像进  
A
A
A
+
f
， f =  
u
∫ ∫  
f
( 3)  
v
r
λ
}
Ν
Ν
，
行分解获取结构分量和纹理分量后 采用引导滤波的  
A
A
，
N
，f  
f
其中 在实域子集  
中
与
分别表示红外图像在  
u2λ  
v2λ  
;
方法对结构分量进行融合处理 在舍弃最小两层尺度  
2
．
λ 尺度时的结构分量和纹理分量  
，
、
、
上的纹理分量后 采用相位一致性 清晰度 亮度综合信  
，
，
按上面规律不断分解 建立多尺度分解形式 并获  
;
息来综合权衡融合权重进行纹理分量的融合 最后将  
、
取最终红外光图像的结构分量 纹理分 量 以及残差  
，
结构分量和纹理分量信息相加获取融合结果 融合方  
:
分量  
1
法框图如下图 所示  
．
A
A
A
A
A
A
A
A
f = f + f + f + … + f + f + f + f  
v1  
u1  
u2  
u3  
um  
v2  
v3  
2
变分多尺度  
A
A
+ … + f + f  
vm  
( 4)  
rm  
A
A
变分多尺度分解多用来从噪声图像中恢复重建真  
，m  
，f  
f
m
其中  
表示分解层数  
与
分别为可见光图像  
A
层
um  
vm  
，
．
实图像 是图像处理研究的一个重要研究内容 可以看  
，f  
分解的结构分量和纹理分量 为输入红外图像经过  
m
rm  
f ，  
成是对图像 进行分解动作 记为  
f = u + v，  
前者主要表  
［12］  
．
，
层分解后的残差分量 同理 对可见光图像进行上述步  
B
，
示图像结构分量 后者主要表示图像的纹理分量  
A
．
对
，
骤 可以获取可见光图像相应的结构分量  
f 、  
纹理分量  
um  
B
B
f ，  
在初始尺度 λ  
= 0. 001  
，
下 定义  
于输入的红外光图像  
f
f :  
B
和残差分量  
B
vm  
rm  
B
B
B
B
B
B
:
以下能量泛函  
f
= f + f + f + … + f + f + f + f  
v0  
u0  
u1  
u2  
um  
v1  
v2  
B
B
A
A
A
A
A
A
(
)
(
)
+ … + f + f ( 5)  
通过舍弃最低两个尺度上的纹理分量 降低噪声  
f ，f = arginf  
E
f ，; f ，f  
λ
=
f
vm  
rm  
uλ  
vλ  
u
v
u
λ
{
，
A
A
A
A
A
A
+
f － f － f  
u
+
f
， f =  
u
∫ ∫  
f
( 1)  
λ
v
v
}
．
对融合图像的影响 得出红外与可见光图像的总体结  
Ω
Ω
A
B
A
f
f
构分量  
和
分别为  
，
． f  
其中 λ 表示初始分解尺度  
表示红外光图像在尺度  
u
u
uλ  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号