目标增强的红外与微光图像融合算法

张宝辉; 闵超波; 窦亮; 张俊举; 常本康

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

目标增强的红外与微光图像融合算法

张宝辉, 闵超波, 窦亮, 张俊举, 常本康

文章导航 > 红外与激光工程 > 2014 > 43(7): 2349-2353

张宝辉, 闵超波, 窦亮, 张俊举, 常本康. 目标增强的红外与微光图像融合算法[J]. 红外与激光工程, 2014, 43(7): 2349-2353.

引用本文:

张宝辉, 闵超波, 窦亮, 张俊举, 常本康. 目标增强的红外与微光图像融合算法[J]. 红外与激光工程, 2014, 43(7): 2349-2353.

Zhang Baohui, Min Chaobo, Dou Liang, Zhang Junju, Chang Benkang. Fusion algorithm of target enhancing infrared and low-level-light image[J]. Infrared and Laser Engineering, 2014, 43(7): 2349-2353.

Citation:

Zhang Baohui, Min Chaobo, Dou Liang, Zhang Junju, Chang Benkang. Fusion algorithm of target enhancing infrared and low-level-light image[J]. Infrared and Laser Engineering, 2014, 43(7): 2349-2353.

目标增强的红外与微光图像融合算法

1.
南京理工大学电子工程与光电技术学院,江苏南京 210094

基金项目:

国家自然科学基金（61101195）;江苏省研究生创新基金（CX09B-097Z）;微光夜视技术国防科技重点实验室开放基金（J20110506）

详细信息

作者简介:
张宝辉（1984-），男，博士生，主要从事红外探测与图像融合技术方面的研究。Email：onceago@gmail.com

中图分类号: TN216

Fusion algorithm of target enhancing infrared and low-level-light image

1.
School of Electronic Engineering and Optoelectronic Technology,Nanjing University of Science and Technology,Nanjing 210094,China

摘要: 对于红外与微光图像融合，虽给为观察者提供了更多的图像信息，但是同时由于过多的背景信息反而掩盖了重要的目标信息，为了兼顾背景信息丰富和增强目标的需求，提出了一种新的目标增强的融合算法，首先改进了传统的顶帽变换算法，用来增强红外图像的目标信息，同时去除一些冗余的红外背景信息，然后利用人眼对颜色的敏感特性，将微光图像与红外图像通过色彩映射公式映射到相应的色彩空间进行融合，结果显示，该算法不但能提供丰富背景信息，同时也增强了重要的目标信息。
- 图像融合 /
- 顶帽变换 /
- 目标增强 /
- 红外图像 /
- 微光图像
Abstract: The fusion of infrared (IR) and low-level-light (LLL) image offers observers more image information, but it also covers up some target information because of too much background details. To match abundant background information with target enhancement, a kind of imaging fusion algorithm was proposed in the paper. It improved the algorithm on top-hat transformation to enlarge the target information of infrared image, and meanwhile removed some redundant background details. Considering eyes'sensitivity to color, it mapped LLL and IR image into color space with color mapping formula, and then fused. The result shows this algorithm not only enriches background details, but also enhances the important target information.
- image fusion /
- top-hat transformation /
- target enhancement /
- infrared image /
- low-level-light image

[1]
[2]	Tao Guangun, Li Dapeng, Lu Guanghua. On image fusion based on different fusion rules of wavelet transform [J]. Infrared and Laser Engineering, 2003, 32(2): 173-176. (in Chinese)
[3]
[4]	Chen Yong, Pi Defu, Zhou Shiyuan, et al. Study for infrared image fusion based on wavelet transform [J]. Infrared and Laser Engineering, 2001, 30(1): 15-17. (in Chinese)
[5]	Xu Guanlei, Wang Xiaotong, Xu Xiaogang, et al. Multi-band image fusion algorithm based on neighborhood limited empirical mode decomposition [J]. Infrared Millim Waves, 2006, 25(3): 225-228. (in Chinese)
[6]
[7]	Gan Tian, Feng Shaotong, Nie Shouping, et al. Image fusion algorithm based on block-DCT in wavelet domain [J]. Acta Phys Sin, 2011, 60(11): 1-6. (in Chinese)
[8]
[9]
[10]	Zhang Junju, Chang Benkang, Zhang Baohui, et al. Long-distance image fusion system for infrared and LLL/visible bands[J]. Infrared and Laser Engineering, 2012, 40(1): 20-24. (in Chinese)
[11]
[12]	Yuan Yihui. Fusion and evaluation technology of infrared and visible images [D]. Nanjing: Nanjing University of Science Technology. (in Chinese)
[13]	Li Yufeng, Feng Xiaoyun, Xu Mingwei. Infrared and visible image features enhancement and fusion using multi-scale top-hat decomposition [J]. Infrared and Laser Engineering, 2012, 41(10): 2824-2832. (in Chinese)
[14]
[15]	Bai Xiangzhi, Zhou Fugen. Analysis of new top-hat transformation and the application for infrared dim small target detection [J]. Pattern Recognition, 2010, (43): 2145-2156.
[16]
[17]	Toet A. Natural color mapping for multiband night vision imagery[J]. Information Fusion, 2003, 4(1): 155-166.

[1]	谭威, 宋闯, 赵佳佳, 梁欣凯. 基于多层级图像分解的图像融合算法 . 红外与激光工程, 2022, 51(8): 20210681-1-20210681-9. doi: 10.3788/IRLA20210681
[2]	廖辉传, 赵海霞. 基于分类器决策融合的红外图像目标识别方法 . 红外与激光工程, 2022, 51(8): 20210725-1-20210725-6. doi: 10.3788/IRLA20210725
[3]	廖莎莎. 基于筛选深度特征的红外图像目标识别方法 . 红外与激光工程, 2022, 51(5): 20210372-1-20210372-6. doi: 10.3788/IRLA20210372
[4]	杨棉绒, 牛丽平. 基于LGBM的Zernike特征选取及红外图像目标识别方法 . 红外与激光工程, 2022, 51(4): 20210309-1-20210309-6. doi: 10.3788/IRLA20210309
[5]	庞忠祥, 刘勰, 刘桂华, 龚泿军, 周晗, 罗洪伟. 并行多特征提取网络的红外图像增强方法 . 红外与激光工程, 2022, 51(8): 20210957-1-20210957-9. doi: 10.3788/IRLA20210957
[6]	王鹏翔, 张兆基, 杨怀. 结合多特征融合和极限学习机的红外图像目标分类方法 . 红外与激光工程, 2022, 51(6): 20210597-1-20210597-6. doi: 10.3788/IRLA20210597
[7]	李霖, 王红梅, 李辰凯. 红外与可见光图像深度学习融合方法综述 . 红外与激光工程, 2022, 51(12): 20220125-1-20220125-20. doi: 10.3788/IRLA20220125
[8]	杨雅志, 李骏. 单演信号在红外图像目标分类中的应用研究 . 红外与激光工程, 2021, 50(12): 20210165-1-20210165-7. doi: 10.3788/IRLA20210165
[9]	史国军. 深度特征联合表征的红外图像目标识别方法 . 红外与激光工程, 2021, 50(3): 20200399-1-20200399-6. doi: 10.3788/IRLA20200399
[10]	赵璐, 熊森. 多视角红外图像目标识别方法 . 红外与激光工程, 2021, 50(11): 20210206-1-20210206-6. doi: 10.3788/IRLA20210206
[11]	沈英, 黄春红, 黄峰, 李杰, 朱梦娇, 王舒. 红外与可见光图像融合技术的研究进展 . 红外与激光工程, 2021, 50(9): 20200467-1-20200467-18. doi: 10.3788/IRLA20200467
[12]	曾瀚林, 孟祥勇, 钱惟贤. 高斯差分滤波图像融合方法 . 红外与激光工程, 2020, 49(S1): 20200091-20200091. doi: 10.3788/IRLA20200091
[13]	杨洪飞, 夏晖, 陈忻, 孙胜利, 饶鹏. 图像融合在空间目标三维重建中的应用 . 红外与激光工程, 2018, 47(9): 926002-0926002(8). doi: 10.3788/IRLA201847.0926002
[14]	郭全民, 王言, 李翰山. 改进IHS-Curvelet变换融合可见光与红外图像抗晕光方法 . 红外与激光工程, 2018, 47(11): 1126002-1126002(9). doi: 10.3788/IRLA201847.1126002
[15]	曾祥通, 张玉珍, 孙佳嵩, 喻士领. 颜色对比度增强的红外与可见光图像融合方法 . 红外与激光工程, 2015, 44(4): 1198-1202.
[16]	杨风暴, 蔺素珍. 基于变换域多合成规则的双色中波红外图像融合 . 红外与激光工程, 2014, 43(11): 3663-3669.
[17]	毛海岑, 刘爱东. 利用证据理论的图像融合方法 . 红外与激光工程, 2013, 42(6): 1642-1646.
[18]	张勇, 金伟其. 夜视融合图像质量客观评价方法 . 红外与激光工程, 2013, 42(5): 1360-1365.
[19]	张勇, 金伟其. 夜视融合图像质量主观评价方法 . 红外与激光工程, 2013, 42(2): 528-532.
[20]	杨扬, 戴明, 周箩鱼. 基于均匀离散曲波变换的多聚焦图像融合 . 红外与激光工程, 2013, 42(9): 2547-2552.

点击查看大图

计量

文章访问数: 306
HTML全文浏览量: 17
PDF下载量: 157
被引次数: 0

目标增强的红外与微光图像融合算法

1. 南京理工大学电子工程与光电技术学院,江苏南京 210094

作者简介:
张宝辉（1984-），男，博士生，主要从事红外探测与图像融合技术方面的研究。Email：onceago@gmail.com

收稿日期: 2013-11-21
修回日期: 2013-12-20
刊出日期: 2014-07-25

基金项目:

国家自然科学基金（61101195）;江苏省研究生创新基金（CX09B-097Z）;微光夜视技术国防科技重点实验室开放基金（J20110506）

中图分类号: TN216

关键词:

摘要: 对于红外与微光图像融合，虽给为观察者提供了更多的图像信息，但是同时由于过多的背景信息反而掩盖了重要的目标信息，为了兼顾背景信息丰富和增强目标的需求，提出了一种新的目标增强的融合算法，首先改进了传统的顶帽变换算法，用来增强红外图像的目标信息，同时去除一些冗余的红外背景信息，然后利用人眼对颜色的敏感特性，将微光图像与红外图像通过色彩映射公式映射到相应的色彩空间进行融合，结果显示，该算法不但能提供丰富背景信息，同时也增强了重要的目标信息。