【摘要】：為了使融合結(jié)果突出目標(biāo)并發(fā)掘更多細(xì)節(jié),提出了一種基于目標(biāo)提取與引導(dǎo)濾波增強(qiáng)的紅外與可見光圖像融合方法。首先對紅外圖像依據(jù)二維Tsallis熵和基于圖的視覺顯著性模型提取目標(biāo)區(qū)域。然后對可見光與紅外圖像分別進(jìn)行非下采樣Shearlet變換(NSST),并對所得低頻分量進(jìn)行引導(dǎo)濾波增強(qiáng)。由增強(qiáng)后的紅外圖像和可見光圖像低頻分量基于目標(biāo)提取的融合規(guī)則得到融合圖像的低頻分量,高頻分量則根據(jù)方向子帶信息和取大來確定。最后經(jīng)NSST逆變換得到融合圖像。大量實(shí)驗結(jié)果表明,本文方法在增強(qiáng)融合圖像空間細(xì)節(jié)的同時,有效突出了目標(biāo),并且在信息熵、平均梯度等指標(biāo)上優(yōu)于基于拉普拉斯金字塔變換、基于小波變換、基于平穩(wěn)小波變換、基于非下采樣Contourlet變換(NSCT)、基于目標(biāo)提取與NSCT變換等。
[Abstract]:In order to make the fusion result highlight the target and discover more details, an infrared and visible image fusion method based on target extraction and guided filtering enhancement is proposed. Firstly, the target region is extracted from infrared image based on two-dimensional Tsallis entropy and visual salience model based on graph. Then non-downsampling Shearlet transform (NSST), is performed for visible and infrared images, and the low-frequency components obtained are enhanced by guided filtering. The low frequency component of the fusion image is obtained from the low frequency component of the enhanced infrared image and the visible image based on the fusion rule extracted from the target, and the high frequency component is determined by the direction sub-band information and the enlargement. Finally, the fusion image is obtained by inverse NSST transform. A large number of experimental results show that the proposed method not only enhances the spatial details of fusion images, but also highlights the target effectively, and it is better than Laplace pyramid transform and wavelet transform in information entropy, average gradient and other indexes. Based on stationary wavelet transform and non-subsampled Contourlet transform, (NSCT), is based on target extraction and NSCT transform.
【作者單位】： 南京航空航天大學(xué)電子信息工程學(xué)院;南京信息工程大學(xué)江蘇省大數(shù)據(jù)分析技術(shù)重點(diǎn)實(shí)驗室;浙江工業(yè)大學(xué)浙江省信號處理重點(diǎn)實(shí)驗室;廣西師范大學(xué)廣西多源信息挖掘與安全重點(diǎn)實(shí)驗室;成都理工大學(xué)國土資源部地學(xué)空間信息技術(shù)重點(diǎn)實(shí)驗室;中國地質(zhì)科學(xué)院礦產(chǎn)資源研究所國土資源部成礦作用與資源評價重點(diǎn)實(shí)驗室;
【基金】：國家自然科學(xué)基金(61573183) 南京信息工程大學(xué)江蘇省大數(shù)據(jù)分析技術(shù)重點(diǎn)實(shí)驗室開放基金資助(KXK1403) 浙江省信號處理重點(diǎn)實(shí)驗室開放基金(ZJKL_6_SP-OP2014-02) 廣西多源信息發(fā)掘與安全重點(diǎn)實(shí)驗室開放基金(MIMS16-01) 成都理工大學(xué)國土資源部地學(xué)空間信息技術(shù)重點(diǎn)實(shí)驗室開放基金(KLGSIT2015-05) 國土資源部成礦作用與資源評價重點(diǎn)實(shí)驗室開放基金(ZS1406) 江蘇高校優(yōu)勢學(xué)科建設(shè)工程
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張雷;海濤;張宇;羅長更;;一種基于圖像特征的紅外與可見光圖像融合算法[J];彈箭與制導(dǎo)學(xué)報;2009年01期

2 柳慶武;胡曉惠;袁麟;;深空可見光圖像中弱小運(yùn)動目標(biāo)實(shí)時檢測[J];電子學(xué)報;2009年07期

3 李鋼;王雷;張仁斌;;基于特征能量加權(quán)的紅外與可見光圖像融合[J];光電工程;2010年03期

4 張彬;許廷發(fā);黃光華;倪國強(qiáng);;基于小波框架的紅外/可見光圖像融合[J];光學(xué)技術(shù);2007年03期

5 葉傳奇;王寶樹;苗啟廣;;一種基于區(qū)域特性的紅外與可見光圖像融合算法[J];光子學(xué)報;2009年06期

6 劉斌;劉維杰;彭嘉雄;;采用三通道不可分對稱小波的紅外與可見光圖像融合[J];紅外與激光工程;2011年05期

7 馬東輝;薛群;柴奇;任彪;;基于圖像信息的紅外與可見光圖像融合方法研究[J];紅外與激光工程;2011年06期

8 劉中杰;曹云峰;莊麗葵;丁萌;;基于控制線方法的機(jī)載SAR和可見光圖像匹配應(yīng)用研究[J];航空學(xué)報;2013年09期

9 何國棟;石建平;馮友宏;謝小娟;楊凌云;;一種新的紅外與可見光圖像融合算法[J];傳感器與微系統(tǒng);2014年04期

10 何國棟;石建平;馮友宏;謝小娟;楊凌云;;基于壓縮感知的紅外與可見光圖像融合算法[J];激光與紅外;2014年05期

相關(guān)會議論文 前8條

1 李娜;高宏霞;劉勝文;;地面景物紅外可見光圖像差異性研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

2 羅志榮;趙紅怡;;一種基于結(jié)構(gòu)的紅外與可見光圖像配準(zhǔn)方法[A];第二十四屆中國(天津)2010’IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2010年

3 余萍;張曉芬;;基于變分模型的紅外/可見光圖像配準(zhǔn)方法研究[A];2009全國虛擬儀器大會論文集（二）[C];2009年

4 羅志榮;孫晶;;紅外與可見光圖像的邊緣融合[A];第二十四屆中國(天津)2010’IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2010年

5 趙云豐;付冬梅;尹怡欣;王嘉;;基于人工免疫的紅外與可見光圖像配準(zhǔn)方法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

6 陳磊;楊風(fēng)暴;王志社;紀(jì)利娥;;面向目標(biāo)識別的SAR與可見光圖像融合算法[A];第十三屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2013年

7 胡謀法;李超;王書宏;韓建濤;陳曾平;;可見光圖像背景灰度特性:雙高斯混合分布模型[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

8 蔣宏;任章;;紅外與可見光圖像配準(zhǔn)和融合中的關(guān)鍵技術(shù)[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

相關(guān)博士學(xué)位論文 前7條

1 左羽佳;機(jī)載光電平臺紅外與可見光圖像融合系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2017年

2 趙振兵;電氣設(shè)備紅外與可見光圖像的配準(zhǔn)方法研究[D];華北電力大學(xué)（河北）;2009年

3 周渝人;紅外與可見光圖像融合算法研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2014年

4 宋懷波;低質(zhì)量可見光圖像的處理技術(shù)和識別方法研究[D];山東大學(xué);2009年

5 吳迪;可見光圖像視覺顯著物體探測及畸變不變光學(xué)相關(guān)識別[D];哈爾濱工業(yè)大學(xué);2013年

6 陳文;基于可見光和紅外熱像儀的雙目視覺運(yùn)動目標(biāo)跟蹤[D];南京航空航天大學(xué);2013年

7 喬鐵柱;輸送帶縱向撕裂可見光與紅外雙目視覺在線檢測系統(tǒng)研究[D];太原理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 王秋;基于無人機(jī)的紅外圖像和可見光圖像配準(zhǔn)及融合算法研究[D];華南理工大學(xué);2015年

2 王文治;實(shí)時紫外與可見光融合信號處理及實(shí)現(xiàn)[D];南京理工大學(xué);2015年

3 楊蒙蒙;基于非下采樣Contourlet變換的紅外和可見光圖像融合[D];河南科技大學(xué);2015年

4 吳迪;紅外與可見光圖像融合算法研究[D];中國科學(xué)院研究生院（光電技術(shù)研究所）;2015年

5 李霄;可見光圖像與紅外圖像融合技術(shù)研究[D];電子科技大學(xué);2014年

6 舒久明;紅外與可見光圖像融合算法研究[D];西安電子科技大學(xué);2014年

7 劉志庭;基于視覺注意的紅外與可見光圖像配準(zhǔn)[D];西安電子科技大學(xué);2014年

8 董亞楠;基于Tetrolet變換的紅外與可見光圖像融合算法研究[D];蘭州交通大學(xué);2015年

9 邱純;基于可見光的近紅外場景仿真研究[D];北京理工大學(xué);2016年

10 董亮;基于紅外與可見光圖像融合的汽車抗暈光系統(tǒng)設(shè)計[D];西安工業(yè)大學(xué);2016年

，

本文編號：2439642