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

红外与可见光图像融合的汽车抗晕光系统

郭全民 董亮 李代娣

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[J]. 红外与激光工程, 2017, 46(8): 818005-0818005(6). doi: 10.3788/IRLA201746.0818005
引用本文: 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[J]. 红外与激光工程, 2017, 46(8): 818005-0818005(6). doi: 10.3788/IRLA201746.0818005
Guo Quanmin, Dong Liang, Li Daidi. Vehicles anti-halation system based on infrared and visible images fusion[J]. Infrared and Laser Engineering, 2017, 46(8): 818005-0818005(6). doi: 10.3788/IRLA201746.0818005
Citation: Guo Quanmin, Dong Liang, Li Daidi. Vehicles anti-halation system based on infrared and visible images fusion[J]. Infrared and Laser Engineering, 2017, 46(8): 818005-0818005(6). doi: 10.3788/IRLA201746.0818005

红外与可见光图像融合的汽车抗晕光系统

doi: 10.3788/IRLA201746.0818005
基金项目: 

陕西省教育厅科研计划(11JK0989)

详细信息
    作者简介:

    郭全民(1974-),男,教授,硕士生导师,博士,主要从事智能传感与信息融合、图像处理及机器视觉方面的研究。Email:guoqm@163.com

  • 中图分类号: TP391

Vehicles anti-halation system based on infrared and visible images fusion

  • 摘要: 针对夜间汽车晕光现象引起的交通安全问题,从规避碰撞物的角度出发,设计了一种红外与可见光图像融合的视频抗晕光系统。系统通过对可见光图像和红外图像做MSR图像增强,解决了夜间可见光图像亮度低,暗处信息不易获取的问题,并提高了红外图像对比度,提升了融合图像的清晰度;通过YUV与小波变换结合的方式对增强后的可见光图像和红外图像进行融合,消除了晕光现象。实验结果的主客观分析表明:该融合算法比YUV与小波融合算法在熵、均值、平均梯度、标准差上分别提高了1.6%、13.5%、25.3%、0.6%,该系统不仅能有效消除晕光,还对融合后图像的亮度和暗处细节信息有较大提升,提高了夜间驾驶安全性。
  • [1] Luo Yuan, Wang Lingxue, Jin Weiqi, et al. Developments of image processing algorithms and systems for LLL(Vis.)/IR color night vision[J]. Infrared Technology, 2010, 32(6):337-344. (in Chinese)骆媛, 王岭雪, 金伟其, 等. 微光(可见光)/红外彩色夜视技术处理算法及系统进展[J]. 红外技术, 2010, 32(6):337-344.
    [2] Chen Lin. The legal issues study on the high beams car meeting at night[J]. Legal System and Soceity, 2014(23) 71-72. (in Chinese)陈琳. 夜间行车远光灯会车法律问题研究[J]. 法制与社会, 2014(23):71-72.
    [3] Wang Jian, Yang Zhe, Guo Quanmin. Research on video anti-blooming[C]//International Congress on Image and Signal Processing, 2010, 3:491-494.
    [4] Guo Quanmin, Li Xiaoling. Vehicles' anti-blooming method based on visible and infrared images fusion[J]. Infrared Technology, 2015, 37(6):475-478. (in Chinese)郭全民, 李晓玲. 基于可见光和红外图像融合的汽车抗晕光方法[J]. 红外技术, 2015, 37(6):475-478.
    [5] Wang Jian, Zheng Shaofeng. Visible and infrared image fusion based on YUV color space and wavelet transform[J]. Journal of Xi'an Technological University, 2013, 33(3):209-211. (in Chinese)王健, 郑少峰. 基于YUV与小波变换的可见光与红外图像融合[J]. 西安工业大学学报, 2013, 33(3):209-211.
    [6] Dou Yiwen, Zhou Mingzheng, Tang Ganyi, et al. Focus-guided multi-scale Retinex with color restore algorithm[J].Computer Engineering and Applications, 2013, 49(2):207-270. (in Chinese)窦易文, 周鸣争, 唐肝翌, 等. 焦点引导的带颜色恢复的多尺度Retinex算法[J]. 计算机工程与应用, 2013, 49(2):207-270.
    [7] Huang Yongdong, Bai Xiaojuan, Yang Jianwei. Parametric estimation and realization of affine transformation based on the central projection[J]. Journal of OptoelectronicsLaser,2013, 24(9):1833-1837. (in Chinese)黄永东, 摆晓娟, 杨建伟. 基于中心投影的仿射变换参数估计与实现[J]. 光电子激光, 2013, 24(9):1833-1837.
    [8] Jiang B, Woodell G A, Jobson D J. Novel multi-scale retinex with color restoration on graphics processingunit[J]. Journal of Real-Time Image Processing, 2015, 10(2):239-253.
    [9] Liang J W, Zhang X Q. Retinex by higher order total variation decomposition[J]. Journal of Mathematical Imaging Vision, 2015, 52(3):345-355.
    [10] Chen Zhibin, Zhang Chao, Song Yan, et al. Application of Retinex with grayscale stretching in large dynamic range smoke image enhancement[J]. Infrared and Laser Engineering, 2014, 43(9):3146-3150. (in Chinese)陈志斌, 张超, 宋岩, 等. 灰度拉伸Retinex在大动态范围烟雾图像增强中的应用[J]. 红外与激光工程, 2014, 43(9):3146-3150.
    [11] Li Jin, Wang Junping, Wan Guoting, et al. Novel algorithm for image enhacement with histogram equalization and MSRCR[J]. Journal of Xidian University, 2014, 41(3):104-109. (in Chinese)李锦, 王俊平, 万国挺, 等. 一种结合直方图均衡化和MSRCR的图像增强新算[J]. 西安电子科技大学学报, 2014, 41(3):104-109.
    [12] Zeng Xiangtong, Zhang Yuzhen, Sun Jiasong, et al. One color contrast enhaced infrared and visible image fusion method[J]. Infrared and Laser Engineering, 2015, 44(4):1198-1202. (in Chinese)曾祥通, 张玉珍, 孙佳嵩, 等. 颜色对比度增强的红外与可见光图像融合方法[J].红外与激光工程, 2015, 44(4):1198-1202.
    [13] Yang Shaokui, Liu Wen. Color fusion method for low-level light and infrared inages[J]. Infrared and Laser Engineering, 2014, 43(5):1654-1659. (in Chinese)杨少魁, 刘文. 一种微光与红外图像彩色融合方法[J]. 红外与激光工程, 2014, 43(5):1654-1659.
    [14] Tong Tao, Meng Qiangqiang, Sun Jiacheng, et al. Multi-sensor image fusion algorithm based on edge feature[J]. Infrared and Laser Engineering, 2014, 43(1):311-317. (in Chinese)童涛, 孟强强, 孙嘉成, 等. 基于边缘特征的多传感器图像融合算法[J]. 红外与与激光工程, 2014, 43(1):311-317.
    [15] Xu Chunmei, Li Gang, Hu Wengang, et al. Infrared image quality evaluation[J]. Infrared Technology, 2004, 26(6):72-75. (in Chinese)徐春梅, 李刚, 胡文刚, 等. 红外图像评价质量研究[J].红外技术, 2004, 26(6):72-75.
    [16] Chen Huijuan, Qian Yafeng, Li Bo, et al. Assessment method for color image quality based on HVS and quaternion[J]. Jounal of Nanjing University, 2015, 51(2):271-278. (in Chinese)陈惠娟, 钱亚枫, 李勃, 等. 基于HVS和四元数的彩色图像质量评价方法[J]. 南京大学学报, 2015, 51(2):271-278
  • [1] 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
    [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] 宦克为, 李向阳, 曹宇彤, 陈笑.  卷积神经网络结合NSST的红外与可见光图像融合 . 红外与激光工程, 2022, 51(3): 20210139-1-20210139-8. doi: 10.3788/IRLA20210139
    [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] 由四海, 王宏力, 冯磊, 何贻洋, 许强.  基于小波变换与压缩感知的脉冲星TOA估计 . 红外与激光工程, 2020, 49(2): 0226001-0226001. doi: 10.3788/IRLA202049.0226001
    [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] 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
    [8] 杜颖财, 宋路, 万秋华, 杨守旺.  小波变换实现的光电编码器精确实时测速 . 红外与激光工程, 2017, 46(5): 517005-0517005(6). doi: 10.3788/IRLA201746.0517005
    [9] 叶松, 甘永莹, 熊伟, 张文涛, 汪杰君, 王新强.  采用小波变换的空间外差光谱仪基线校正 . 红外与激光工程, 2016, 45(11): 1117009-1117009(5). doi: 10.3788/IRLA201645.1117009
    [10] 纪强, 石文轩, 田茂, 常帅.  基于KL与小波联合变换的多光谱图像压缩 . 红外与激光工程, 2016, 45(2): 228004-0228004(7). doi: 10.3788/IRLA201645.0228004
    [11] 顾有林, 叶应流, 曹光华, 胡以华, 朱峰.  EMD和小波变换在低可探测目标检测中的应用 . 红外与激光工程, 2015, 44(11): 3494-3499.
    [12] 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.
    [13] 杨扬, 戴明, 周箩鱼.  基于NSUDCT的红外与可见光图像融合 . 红外与激光工程, 2014, 43(3): 961-966.
    [14] 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.
    [15] 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.
    [16] 关丛荣, 金伟其, 王吉晖.  小波变换在显微热图像位移估计中的应用 . 红外与激光工程, 2014, 43(8): 2780-2785.
    [17] 伊力哈木·亚尔买买提, 谢丽蓉, 孔军.  基于PCA 变换与小波变换的遥感图像融合方法 . 红外与激光工程, 2014, 43(7): 2335-2340.
    [18] 基于小波变换直方图规定的非均匀性校正算法 . 红外与激光工程, 2013, 42(12): 3481-3485.
    [19] 彭逸月, 何伟基, 顾国华, 童涛.  多层级及对比度提升的红外和可见光图像融合 . 红外与激光工程, 2013, 42(4): 1095-1099.
    [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:  537
  • HTML全文浏览量:  72
  • PDF下载量:  126
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-12-10
  • 修回日期:  2017-01-15
  • 刊出日期:  2017-08-25

红外与可见光图像融合的汽车抗晕光系统

doi: 10.3788/IRLA201746.0818005
    作者简介:

    郭全民(1974-),男,教授,硕士生导师,博士,主要从事智能传感与信息融合、图像处理及机器视觉方面的研究。Email:guoqm@163.com

基金项目:

陕西省教育厅科研计划(11JK0989)

  • 中图分类号: TP391

摘要: 针对夜间汽车晕光现象引起的交通安全问题,从规避碰撞物的角度出发,设计了一种红外与可见光图像融合的视频抗晕光系统。系统通过对可见光图像和红外图像做MSR图像增强,解决了夜间可见光图像亮度低,暗处信息不易获取的问题,并提高了红外图像对比度,提升了融合图像的清晰度;通过YUV与小波变换结合的方式对增强后的可见光图像和红外图像进行融合,消除了晕光现象。实验结果的主客观分析表明:该融合算法比YUV与小波融合算法在熵、均值、平均梯度、标准差上分别提高了1.6%、13.5%、25.3%、0.6%,该系统不仅能有效消除晕光,还对融合后图像的亮度和暗处细节信息有较大提升,提高了夜间驾驶安全性。

English Abstract

参考文献 (16)

目录

    /

    返回文章
    返回