將紅外圖像與可見(jiàn)光圖像融合在一起,可增強(qiáng)視覺(jué)效果,使人產(chǎn)生更完整的場(chǎng)景感知�；诙S經(jīng)驗(yàn)?zāi)B(tài)分解（Bidimensional Empirical Mode Decomposition,BEMD）的圖像融合方法運(yùn)行時(shí)間較長(zhǎng),因此,文中提出了一種基于改進(jìn)的二維經(jīng)驗(yàn)?zāi)B(tài)分解的紅外與可見(jiàn)光圖像快速自適應(yīng)融合方法,采用順序統(tǒng)計(jì)濾波器和高斯濾波器直接生成均值包絡(luò)曲面,從而加速圖像的分解過(guò)程。首先,將可見(jiàn)光圖像轉(zhuǎn)化到HIS（Hue-Intensity-Saturation）顏色空間;然后,用改進(jìn)的BEMD對(duì)強(qiáng)度分量I和紅外圖像進(jìn)行分解,生成高頻分量和低頻分量,高頻分量和低頻分量分別采用自適應(yīng)局部加權(quán)融合規(guī)則和算術(shù)平均融合規(guī)則;最后,將強(qiáng)度分量I與紅外圖像的融合結(jié)果圖經(jīng)過(guò)逆HIS變換到RGB顏色空間,從而得到融合圖像。仿真實(shí)驗(yàn)表明,該融合算法不僅運(yùn)行速度快,而且融合效果最佳,最大程度地保留了紅外圖像的邊緣細(xì)節(jié)特征和可見(jiàn)光圖像的光譜信息。 

【文章來(lái)源】：計(jì)算機(jī)科學(xué). 2020,47(03)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【圖文】：

基于改進(jìn)的BEMD的紅外與可見(jiàn)光圖像融合方法的框圖

采用OCTEC圖像數(shù)據(jù)集作為測(cè)試圖像,一共有25組紅外與可見(jiàn)光圖像,本文選擇其中兩組圖像進(jìn)行實(shí)驗(yàn)仿真。將本文融合算法與其他4種融合算法進(jìn)行對(duì)比,融合結(jié)果如圖2和圖3所示。其中,圖(a)為紅外圖像;圖(b)為可見(jiàn)光圖像,圖像大小為640*480;圖(c)是基于BEMD的融合效果圖;圖(d)是基于FABEMD的融合效果圖;圖(e)是基于FAB-MEAN的融合效果圖;圖(f)是基于FBEMD的融合效果圖;圖(g)是本文融合算法的結(jié)果圖。實(shí)驗(yàn)也采用了標(biāo)準(zhǔn)差、互信息量、邊緣信息保留值、加權(quán)融合質(zhì)量因子和算法運(yùn)行時(shí)間等客觀指標(biāo)來(lái)評(píng)價(jià)各融合算法的性能。圖3 第二組源圖像和融合結(jié)果圖

圖2 第一組源圖像和融合結(jié)果圖在圖2和圖3中,圖(a)-(e)的融合效果均可顯示出煙霧中奔跑的微小人物,但對(duì)于煙霧濃密區(qū)域的融合效果較差,邊界突兀。BEMD的融合結(jié)果圖丟失了部分小細(xì)節(jié),FABEMD的融合圖有明顯的局部塊效應(yīng),FAB-MEAN的融合結(jié)果圖提取了較多的紅外信息。FBEND的融合效果出現(xiàn)了不穩(wěn)定現(xiàn)象,其在圖2(f)中對(duì)煙霧的去除效果好,顯示出目標(biāo)人物,但在圖3(f)中對(duì)煙霧的去除效果差。圖(g)是本文融合算法的結(jié)果圖,可顯示出煙霧中的人物,同時(shí)色彩分布均勻,邊界連貫,最大程度地保留了可見(jiàn)光圖像的色彩信息和紅外圖像的邊緣輪廓,有最佳的視覺(jué)效果。


本文編號(hào)：3586403