积分商城

最新搜索： Autosar 以太网 SV6166 D3000 锦锐
您现在的位置是：首页 > 技术资料 > 基于NSST的红外与可见光图像融合算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于NSST的红外与可见光图像融合算法

更新时间：2019-12-24 06:01:16 大小：1M 上传用户：zhiyao6查看TA发布的资源 标签：nsst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

针对红外与可见光图像具有不同的特点,提出一种新的基于非下采样剪切波变换(NSST)的红外与可见光图像融合算法.算法首先采用NSST将已配准的红外与可见光图像进行分解,得到低频子带图像和各尺度各方向的高频子带图像;然后对低频子带图像采用一种基于显著图的低频融合规则进行融合,而对高频子带图像的融合,结合人眼视觉特性,采用一种基于改进的区域对比度的融合规则;最后,对融合的低频子带图像和高频子带图像进行NSST逆变换得到融合图像.实验结果表明,该算法能够有效地综合红外与可见光图像中的重要信息,融合效果要优于一般的基于NSCT、NSST的图像融合方法.


部分文件列表

文件名 大小
基于NSST的红外与可见光图像融合算法.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
12  
Vol． 45 No． 12  
Dec． 2017  
第
期
电
子
学
报
2017  
12  
ACTA ELECTRONICA SINICA  
年
月
NSST  
基于  
的红外与可见光图像融合算法  
1
2
，
邓立暖 尧新峰  
( 1.  
，
吉林师范大学博达学院计算机与信息科学系 吉林四平  
136523; 2.  
，
东北大学 辽宁沈阳  
110819)  
:
，
针对红外与可见光图像具有不同的特点 提出一种新的基于非下采样剪切波变换  
( NSST)  
的红外与可  
摘
要
．
见光图像融合算法 算法首先采用  
NSST  
，
将已配准的红外与可见光图像进行分解 得到低频子带图像和各尺度各方向  
; ， ，  
的高频子带图像 然后对低频子带图像采用一种基于显著图的低频融合规则进行融合 而对高频子带图像的融合 结  
， ; ，  
合人眼视觉特性 采用一种基于改进的区域对比度的融合规则 最后 对融合的低频子带图像和高频子带图像进行  
NSST  
． ， ，  
逆变换得到融合图像 实验结果表明 该算法能够有效地综合红外与可见光图像中的重要信息 融合效果要优于  
NSCT、NSST  
．
的图像融合方法  
一般的基于  
关键词  
:
;
; NSST;  
;
图像融合 红外与可见光图像  
TP391. 4  
URL: http: / /www． ejournal． org． cn  
显著图 区域对比度  
0372-2112 ( 2017) 12-2965-06  
DOI: 10． 3969 /j． issn． 0372-2112． 2017． 12． 019  
:
:
A
:
文章编号  
中图分类号  
电子学报  
文献标识码  
Research on the Fusion Algorithm of Infrared and Visible  
Images Based on Non-subsampled Shearlet Transform  
1
2
DENG Li-nuan ，YAO Xin-feng  
( 1. Computer and Information Sciences Division，Boda College of Jilin Normal University，Siping，Jilin136523，China;  
2. Northeastern University，Shenyang，Liaoning110819，China)  
Abstract: Aiming at the different features between infrared imagery and visible images，a new fusion algorithm of in-  
frared imagery and visible image based on Non-subsampled Shearlet Transform ( NSST) is proposed． Firstly the algorithm  
decomposes infrared and visible light image that have been registered by NSST，getting the low-frequency subband images  
and the scale of each direction high frequency subband images; Then the low frequency subband images use a low frequency  
fusion rules based on the significant figure，and combined with human visual characteristic，high frequency subband image a-  
dopt a fusion rules of improving regional contrast; Finally，get fusion image by making NSST inverse transformation for the  
fusion of low frequency subband image and high frequency subband images． Experimental results show that the proposed al-  
gorithm can effectively synthesize the important information of infrared and visible images，and the fusion effect is better  
than that of the general image fusion method based on NSCT and NSST．  
Key words: image fusion; infrared and visible images; non-subsampled shearlet transform; saliency map; contrast  
， 、 ．  
细节信息 对环境适应性差 抗干扰能力弱 由于红外与  
1
引言  
， ，  
可见光图像具有不同的优势特点 因此 将红外与可见  
由于不同成像传感器的成像原理和对工作的环境  
， 、 、  
光图像进行融合 能够获得更加全面 可靠 丰富的场景  
［1，2］  
，
要求等各不相同 因此不同成像传感器所获取的同一  
，
信息 以利于观察或者进一步的分析  
．
．
场景的图像之间具有冗余性和互补性 红外成像传感  
20  
90 ， ，  
世纪 年代 小波变换技术开始兴起 越来越多  
，
器对场景细节变化不敏感 成像较模糊并且对比度较  
，
的研究学者开始把小波变换应用到图像融合领域 小波  
． ，  
低 而可见光成像传感器获得的图像场景细节清晰 对  
． T．  
变换的出现推动了图像融合技术的 进 一 步 发 展  
Ranchin L． Wald 1993  
， ，  
比度也较高 更适合人眼视觉的观察 但在光照强度不  
和
等人在  
年首次将离散小波变换  
［3］  
，
足或者能见度较低的情况下 则难以获得清晰的场景  
． Yin Lu  
应用于遥感图像融合中  
等人提出一种新型基  
: 2016-08-28;  
: 2017-03-07; :  
责任编辑 梅志强  
收稿日期  
修回日期  
2966  
2017  
年
电
子
学
报
，
于独立成分分析的红外和可见的图像融合方法 该方法  
q
和像素 之间的差值  
．
［4］  
． 2015  
Yan Xiang  
( 1)  
可以提供更好的感知效果  
出了一种新的基于小波变换谱图  
Transform ，SGWT)  
年
等人提  
通过计算式  
就能够得到各低频子带图像所对  
．
应的显著图 由于红外图像与可见光图像的成像原理  
( Spectral Graph Wavelet  
， ，  
不同 两者具有明显不同的特点 即使同一场景得到的  
和双边滤波器的红外和可见光图像融  
［5］  
目标图像仍存在不同的局部强度信息与细节变化方  
．
合方法 在图像融合算法中除了小波变换又发展出了  
［6］  
［7］  
．
式 因此需要通过区域相似性匹配规则来量化描述其  
，
多种多尺度图像表示方法 例如脊波变换  
、
曲波变换  
， ，  
差异 从而引导低频子带图像的融合 避免最终的融合  
． ， Do． Minh  
等 上面这些方法都具有各自的不足之处 于是  
．
图像丢失大量的细节信息 两幅源图像  
A
B
的区域  
和
2005 “ ” ，  
年提出了一种 真正 的图像表示方法 也即轮廓  
在
［8］  
:
相似性定义如下  
， ，  
波变换 轮廓波变换也具有多尺度和时频局部特性 还  
2* S ( i，j) * S ( i，j)  
B
，
具有多方向特性 弥补了小波变换方向个数不足的缺点  
，
A
M
( i，j) =  
( 2)  
A，B  
2
2
S ( i，j) + S ( i，j)  
B
．
但轮廓波变换缺乏平移不变性 因此在轮廓波变换的基  
A
S ( i，j) 、S ( i，j)  
B
A、B  
( i，j)  
在像素点  
式中  
分别表示图像  
，2006 A． L． Cunha  
A
础上  
年
等人提出了具有平移不变性的  
NSCT  
过程中不存在上采样与下采样过  
［9］  
． M  
A B  
反映了图像 和图像 对应像素点  
处的显著值  
A，B  
NSCT  
．
由于在  
程 因此消除了轮廓波变换过程中出现的频谱混叠现象  
NSCT  
， ，  
的显著值的接近程度 其值越高 说明两幅图像对应的  
，
，
，
两个区域的相似程度越高 否则说明两个区域的差异  
实验证明基于  
的图像融合方法能取得很好的融合  
．
程度越大  
．
效果 刘斌等提出了基于非下采样三通道不可分对称小  
［10］  
，
基于上述的显著图和匹配度 本文的低频融合规  
波的多光谱图像融合算法 以及吴粉侠等提出了一种  
:
则如下  
Contourlet  
( Non-Subsampled Contourlet  
变换  
基于非下采样  
M
( i，j) ＜ T，  
则
若
A，B  
Transform，NSCT)  
( Principal Component A-  
与主成分分析  
A( i，j) ， S ( i，j) ＞ S ( i，j)  
B
A
nalysis)  
( Pulse Coupled Neural Net-  
及脉冲耦合神经网络  
F( i，j) =  
( 3)  
［11］  
{
B( i，j) ， S ( i，j) S ( i，j)  
≤
B
A
works，PCNN)  
．
NSCT  
运算效  
相结合的融合算法  
但是  
率不高 耗时较长 不适合应用在对实时性要求高的场  
NSCT ，D． Labate  
M
( i，j) T，  
≥
若
则
，
，
A，B  
F( i，j) = ( i，j) * A( i，j) + ( 1 － ( i，j) ) * B( i，j)  
ω ω  
．
合 针对  
存在的缺点  
尺度 多方向等特性的剪切波变换  
，Easley  
等人提出了具有多  
［12］  
( 4)  
、
．
然而同样由于剪  
等 人提出了  
它具备剪切波变换的所有优点且有平移不变  
( i，j)  
:
其中 ω  
为
，
切波变换缺乏平移不变性 于是  
［13］  
1 － M ( i，j)  
A，B  
1
1
2
NSST  
，
－
* ［  
］， S ( i，j) S ( i，j)  
≤
B
A
2
1 － T  
， NSCT  
性 与  
， ，  
相比 运行时间短 能够满足实时性的要求  
．
( i，j) =  
ω
1 － M ( i，j)  
A，B  
1
2
1
2
NSST  
因此本文提出一种基于  
的红外与可见光图  
{
+
* ［  
］， S ( i，j) ＞ S ( i，j)  
B
A
1 － T  
，
，
像融合算法 并依据红外与可见光图像的特点 设计不  
同的融合规则对图像的低频子带图像和高频子带图像  
( 5)  
T ，  
式中的 为匹配度阈值 一般取为  
0. 5 ～ 1，  
本文取为  
． ，  
进行融合 实验结果表明 该方法能够有效地结合红外  
0. 9，F  
A
B
．
两幅图像的融合图像  
为
和
，
与可见光图像的特点 无论是从主观视觉还是客观评  
， A  
从上面的融合规则可以看出 当图像 和图像  
B
价指标都说明该方法所获得的融合图像具有更高的质  
T ，  
对应像素点的匹配度小于阈值 时 说明两幅源图像在  
， ，  
量 与其他算法相比 能够获得更好的融合效果  
．
，
该位置处的显著值差别较大 此时选择显著值大的像  
2
NSST  
的红外与可见光图像融合算法  
基于  
; ， A  
素作为融合图像对应位置处的像素 反之 当图像 和  
B
T ，  
对应像素点的匹配度大于或者等于阈值 时 说明该  
2. 1  
低频融合规则  
由于人的视觉系统对图像中像素的对比度比较敏  
，
位置处的显著值很接近 此时采用加权融合方法来确  
．
定融合图像对应位置处的像素值 这种基于匹配度的  
， ，  
感 而不是像素本身的强度大小 因此本文提出一种基  
融合方法与简单加权或者取较大值或较小值来确定融  
．
于显著图的低频融合规则 图像的像素显著值是通过  
， ，  
合图像的方法相比 显得更合理 更科学  
．
， f  
像素本身与其他像素之间的差值来计算的 图像 中像  
2. 2  
［15］  
高频融合规则  
NSST  
源图像经过  
p
S
的显著值 定义如下  
p
:
素
分解后得到的各尺度各方向的  
S
=
F( p，q)  
p
∑
高频子带图像主要体现了源图像各方向的边缘纹理等  
q
f
∈
F( p，q) =  
( 1)  
f － f  
p
，
细节信息 设计的高频融合规则应该最大可能地提取  
q
，q f  
式中 是图像 中任意的一个像素  
，F( p，q)  
p
表示像素  
．
到源图像中的高频细节信息 图像中突变较大的地方  

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