當前紅外單波段數(shù)據(jù)不能全面反映圖像細節(jié)以及輪廓信息,弱小目標成像后難以抵抗背景干擾,使得圖像產(chǎn)生較低的信噪比。因此有必要利用不同波段數(shù)據(jù)的紋理差異性,通過互補融合方法提高圖像的信噪比�；诖�,提出一種基于小波變換與特征提取的融合方法。首先將多源圖像進行多尺度二維分解,獲得各圖像的低頻信息與高頻信息,在此基礎(chǔ)上,高頻信息采取絕對值取大的融合方法,低頻信息采取加權(quán)求平均的融合方法,進而重構(gòu)圖像。然后,利用特征提取方法得到中波與長波特征圖像。最后對重構(gòu)圖像與紅外中長波特征圖像進行對比度調(diào)制再融合。融合結(jié)果與多種融合算法進行對比。實驗結(jié)果表明,該算法能夠增強圖像中弱小目標的灰度,可以很好地識別目標,解決了圖像中弱小目標抗背景干擾的問題。 

【文章來源】：西北工業(yè)大學學報. 2020年04期 北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

圖像融合整體框架

海面背景下船只目標融合結(jié)果

圖7 海面背景下船只目標融合結(jié)果通過比較3類場景下各算法融合結(jié)果可以明顯看出,使用本文提出的小波變換與特征提取融合算法具有明顯的差異特性,圖像紋理輪廓清晰且弱小目標容易從復雜背景中識別出來。其他算法融合效果較差,如地物背景下的DWT、SR算法所得結(jié)果邊緣紋理模糊、圖像對比度低,不利于從復雜地物背景中區(qū)分出人物目標。海面背景下SR算法中整體圖像質(zhì)量偏差,圖像的紋理特征有所弱化。天空背景下DWT與SR算法融合結(jié)果顯示的背景信息不明顯,導致圖像的邊緣輪廓清晰度降低。3類場景中WTGMF算法結(jié)果顯示背景較暗,目標隱現(xiàn)。NSCT、CNN與ResNet-ZPCA算法相比于其他算法在對比度、亮度、邊緣保持度上都符合人眼視覺。

【參考文獻】：
期刊論文
[1]基于SSIM的自適應樣本塊圖像修復算法[J]. 何凱,�？』�,沈成南,盧雯霞.  天津大學學報(自然科學與工程技術(shù)版). 2018(07)
[2]一種基于稀疏表示的可見光與紅外圖像融合方法[J]. 張生偉,李偉,趙雪景.  電光與控制. 2017(06)
[3]紅外雙波段點目標雙色比分析與處理[J]. 王文博,王英瑞.  紅外與激光工程. 2015(08)
[4]基于小波變換和鄰域特征的多聚焦圖像融合算法[J]. 郭雷,程塨,趙天云.  西北工業(yè)大學學報. 2011(03)
[5]基于非下采樣Contourlet變換的自適應圖像融合算法[J]. 郭雷,劉坤.  西北工業(yè)大學學報. 2009(02)
[6]基于小波變換與灰度形態(tài)學濾波的雙波段紅外圖像弱目標融合檢測[J]. 李秋華,王厚生,鄒自力,沈振康,李吉成.  信號處理. 2006(03)



本文編號：2942300