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

基于NSUDCT的红外与可见光图像融合

杨扬 戴明 周箩鱼

杨扬, 戴明, 周箩鱼. 基于NSUDCT的红外与可见光图像融合[J]. 红外与激光工程, 2014, 43(3): 961-966.
引用本文: 杨扬, 戴明, 周箩鱼. 基于NSUDCT的红外与可见光图像融合[J]. 红外与激光工程, 2014, 43(3): 961-966.
Yang Yang, Dai Ming, Zhou Luoyu. Fusion of infrared and visible images based on NSUDCT[J]. Infrared and Laser Engineering, 2014, 43(3): 961-966.
Citation: Yang Yang, Dai Ming, Zhou Luoyu. Fusion of infrared and visible images based on NSUDCT[J]. Infrared and Laser Engineering, 2014, 43(3): 961-966.

基于NSUDCT的红外与可见光图像融合

基金项目: 

国家973 重点基础研究发展计划(2009CB72400102A)

详细信息
    作者简介:

    杨扬(1986-),男,博士生,主要从事图像多尺度融合算法方面的研究。Email:rln@mail.ustc.edu.cn;戴明(1964-),男,研究员,博士生导师,主要从事航空光电成像技术方面的研究。Email:daim@vip.sina.com

    杨扬(1986-),男,博士生,主要从事图像多尺度融合算法方面的研究。Email:rln@mail.ustc.edu.cn;戴明(1964-),男,研究员,博士生导师,主要从事航空光电成像技术方面的研究。Email:daim@vip.sina.com

  • 中图分类号: TP391

Fusion of infrared and visible images based on NSUDCT

  • 摘要: 针对同一场景的红外与可见光图像,提出了基于非下采样均匀离散Curvelet 变换(NSUDCT)的图像融合方法。首先使用标记控制的分水岭分割(MCWS)算法对源图像进行区域分割,对各分割结果进行叠加得到联合区域图。然后对源图像进行非下采样均匀离散Curvelet 分解,分解后的低频系数采用区域对比度和区域标准差作为量测指标进行融合,高频方向系数使用基于局部能量的融合规则进行融合,并对融合系数做一致性检测。最后通过各频带融合系数重建得到融合图像。实验结果表明文中方法取得了比较好的视觉效果和量化数据,相比基于NSUDCT 的像素融合方法,此文方法的熵值提高了9.87%,交叉熵减少了68.04%,互信息提高了80%。
  • [1]
    [2] Jing Zhongliang, Xiao Gang, Li Zhenghua. Image Fusion: Theory and Applications [M]. Beijing: Higher Education Press, 2007. (in Chinese)
    [3]
    [4] Xia Mingge, He You, Ouyang Wen, et al. Overview of wavelet-analysis-based image fusion [J]. Infrared and Laser Engineering, 2003, 32(2): 177-181. (in Chinese)
    [5]
    [6] Nguyen Truong T, Herv Chauris. Uniform discrete Curvelet transform[J]. IEEE Transactions on Signal Processing, 2010, 58(7): 3618-3614.
    [7]
    [8] Cands E J, Demanet L, Donoho D L, et al. Fast discrete curvelet transforms[J]. Multiscale Modeling and Simulation, 2006, 5(3): 861-899.
    [9] Do M N, Vetterli M. The Contourlet transform: an efficient directional multiresolution image representation [J]. IEEE Transactions on Image Processing, 2005, 14(12): 2091-2106.
    [10]
    [11] Easley G R, Labate D, Lim W Q. Sparse directional image representations using the discrete shearlet transform[J]. Applied Computational Harmonic Analysis, 2008, 25(1): 25-46.
    [12]
    [13] Cunha A L, Zhou Jianping, Do Minh N. The nonsubsampled contourlet transform: theory, design, and applications [J]. IEEE Transactions on Image Processing , 2006 , 15 ( 10 ) : 3089-3101.
    [14]
    [15]
    [16] Jelena Kovaovaevic, Chebira A. Life beyond bases: the advent of frames[J]. IEEE Signal Process Mag, 2007, 24(4): 86-104.
    [17] Mallat S G. A Wavelet Tour of Signal Processing: The Sparse Way[M]. 3rd ed. Burlington: Elsevier, 2009.
    [18]
    [19]
    [20] Piella G. A region-based multiresolution image fusion algorithm [C]//ISIF Fusion 2002 Conference, 2002: 1557- 1564.
    [21] Liu Kun, Guo Lei, Chen Jingsong. Sequence infrared image fusion algorithm using region segmentation [J]. Infrared and Laser Engineering, 2009 38(3): 553-558. (in Chinese)
    [22]
    [23]
    [24] Ye Chuanqi, Wang Baoshu, Miao Qiguang. Fusion algorithm of infrared and visible images based on region feature [J]. Acta Photonica Sinica, 2009, 38(6): 1498-1503. (in Chinese)
    [25] Otsu N. A threshold selection method from gray-level histograms [J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1): 62-66.
    [26]
    [27] Burt P J, Kolczyski R J. Enhanced Image Capture Through Fusion [C]//International Conferenceon Computer Vision, 1993, l: 173-186.
    [28]
    [29] Wang Haihui, Peng Jiaxiong, Wu Wei. Comparison of the methods of evaluating the performance of multi-sensor image fusion [J]. Infrared and Laser Engineering, 2004, 33 (2): 189-193. (in Chinese)
  • [1] 高红霞, 魏涛.  改进PCNN与平均能量对比度的图像融合算法 . 红外与激光工程, 2022, 51(4): 20210996-1-20210996-8. doi: 10.3788/IRLA20210996
    [2] 闵莉, 曹思健, 赵怀慈, 刘鹏飞.  改进生成对抗网络实现红外与可见光图像融合 . 红外与激光工程, 2022, 51(4): 20210291-1-20210291-10. doi: 10.3788/IRLA20210291
    [3] 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
    [4] 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
    [5] 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
    [6] 戴进墩, 刘亚东, 毛先胤, 盛戈皞, 江秀臣.  基于FDST和双通道PCNN的红外与可见光图像融合 . 红外与激光工程, 2019, 48(2): 204001-0204001(8). doi: 10.3788/IRLA201948.0204001
    [7] 张家民, 时东锋, 黄见, 王英俭.  图像融合在偏振关联成像中的应用 . 红外与激光工程, 2018, 47(12): 1226002-1226002(7). doi: 10.3788/IRLA201847.1226002
    [8] 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
    [9] 郭全民, 董亮, 李代娣.  红外与可见光图像融合的汽车抗晕光系统 . 红外与激光工程, 2017, 46(8): 818005-0818005(6). doi: 10.3788/IRLA201746.0818005
    [10] 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.
    [11] 孙斌, 常本康, 张俊举, 王贵圆, 李英杰.  基于红外运动目标分割的夜视融合系统设计 . 红外与激光工程, 2015, 44(7): 2064-2069.
    [12] 杨桄, 童涛, 孟强强, 孙嘉成.  基于梯度加权的红外与可见光图像融合方法 . 红外与激光工程, 2014, 43(8): 2772-2779.
    [13] 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 . 红外与激光工程, 2014, 43(7): 2349-2353.
    [14] 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.
    [15] 王金玲, 贺小军, 宋克非.  采用区域互信息的多光谱与全色图像融合算法 . 红外与激光工程, 2014, 43(8): 2757-2764.
    [16] 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.
    [17] 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.
    [18] 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.
    [19] 李新娥, 任建岳, 吕增明, 沙巍, 张立国, 何斌.  NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法 . 红外与激光工程, 2013, 42(11): 3096-3102.
    [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.
  • 加载中
计量
  • 文章访问数:  214
  • HTML全文浏览量:  15
  • PDF下载量:  135
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-07-05
  • 修回日期:  2013-08-03
  • 刊出日期:  2014-03-25

基于NSUDCT的红外与可见光图像融合

    作者简介:

    杨扬(1986-),男,博士生,主要从事图像多尺度融合算法方面的研究。Email:rln@mail.ustc.edu.cn;戴明(1964-),男,研究员,博士生导师,主要从事航空光电成像技术方面的研究。Email:daim@vip.sina.com

    杨扬(1986-),男,博士生,主要从事图像多尺度融合算法方面的研究。Email:rln@mail.ustc.edu.cn;戴明(1964-),男,研究员,博士生导师,主要从事航空光电成像技术方面的研究。Email:daim@vip.sina.com

基金项目:

国家973 重点基础研究发展计划(2009CB72400102A)

  • 中图分类号: TP391

摘要: 针对同一场景的红外与可见光图像,提出了基于非下采样均匀离散Curvelet 变换(NSUDCT)的图像融合方法。首先使用标记控制的分水岭分割(MCWS)算法对源图像进行区域分割,对各分割结果进行叠加得到联合区域图。然后对源图像进行非下采样均匀离散Curvelet 分解,分解后的低频系数采用区域对比度和区域标准差作为量测指标进行融合,高频方向系数使用基于局部能量的融合规则进行融合,并对融合系数做一致性检测。最后通过各频带融合系数重建得到融合图像。实验结果表明文中方法取得了比较好的视觉效果和量化数据,相比基于NSUDCT 的像素融合方法,此文方法的熵值提高了9.87%,交叉熵减少了68.04%,互信息提高了80%。

English Abstract

参考文献 (29)

目录

    /

    返回文章
    返回