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

高斯差分滤波图像融合方法

曾瀚林 孟祥勇 钱惟贤

曾瀚林, 孟祥勇, 钱惟贤. 高斯差分滤波图像融合方法[J]. 红外与激光工程, 2020, 49(S1): 20200091. doi: 10.3788/IRLA20200091
引用本文: 曾瀚林, 孟祥勇, 钱惟贤. 高斯差分滤波图像融合方法[J]. 红外与激光工程, 2020, 49(S1): 20200091. doi: 10.3788/IRLA20200091
Zeng Hanlin, Meng Xiangyong, Qian Weixian. Image fusion algorithm based on DOG filter[J]. Infrared and Laser Engineering, 2020, 49(S1): 20200091. doi: 10.3788/IRLA20200091
Citation: Zeng Hanlin, Meng Xiangyong, Qian Weixian. Image fusion algorithm based on DOG filter[J]. Infrared and Laser Engineering, 2020, 49(S1): 20200091. doi: 10.3788/IRLA20200091

高斯差分滤波图像融合方法

doi: 10.3788/IRLA20200091
基金项目: 

国家自然科学基金(61675099)

详细信息
    作者简介:

    曾瀚林(1995-),男,硕士生,主要从事图像处理方面的研究。Email:hanlinjkz@foxmail.com

  • 中图分类号: TP391

Image fusion algorithm based on DOG filter

  • 摘要: 图像融合是图像处理领域的重要内容之一。传统融合算法将源图像均做处理后按一定规则进行融合,虽然能取得不错的融合效果,但算法对图像的配准要求较高,融合图像也普遍存在细节丢失、目标不够明显的问题。为了改善上述问题,分析了红外图像和可见光图像的图像特性以及红外目标特性,将目标检测引入图像融合,利用高斯差分(DOG)滤波器提取红外图像中的目标,通过多尺度DOG图像计算获得红外图像融合系数矩阵,然后计算融合子图,最终融合获得目标明显、细节保留较好的图像,降低了对图像配准的要求。用五种常用评价指标以及信杂比和背景相似度对融合图像进行评估。实验结果表明,所提出的算法在主观视觉和客观评价指标上都要优于常用的图像融合方法。
  • [1] Wang Guanglong, Tian Jie, Zhu Wenjie, et al. Feature fusion and weight adaptive updating based motion blur object tracking[J]. Optics and Precision Engineering,2019, 27(5):1158-1166. (in Chinese)王广龙, 田杰, 朱文杰, 等.特征融合和自适应权重更新相结合的运动模糊目标跟踪[J].光学精密工程, 2019, 27(5):1158-1166.
    [2] Wang Sheng. Dangerous objects detection in millimeter wave images[D]. Beijing:Tsinghua University, 2018. (in Chinese)王胜. 毫米波图像中危险物品检测[D]. 北京:清华大学, 2018.
    [3] Li Dezhi, Chen Hongda, Bi Feng, et al. Progress of multimodal molecular imaging technology in tumor diagnosis[J]. Chinese Journal of Analytical Chemistry, 2016, 44(10):1609-1618. (in Chinese)李德智, 陈宏达, 毕锋, 等.多模态分子影像技术在肿瘤诊断中的进展[J]. 分析化学, 2016, 44(10):1609-1618.
    [4] Shi Minhong. Summary of the development of image fusion technology[J]. Computer Era, 2019(9):27-29. (in Chinese)史敏红. 图像融合技术发展综述[J].计算机时代, 2019(9):27-29.
    [5] Rong Chuanzhen, Jia Yongxing, Yang Yu, et al. Image fusion based on infrared object extraction[J]. Journal of Signal Processing, 2019, 35(7):1141-1151. (in Chinese)荣传振, 贾永兴, 杨宇, 等.基于红外目标特征提取的图像融合方法[J]. 信号处理, 2019, 35(7):1141-1151.
    [6] Nan Tianzhang, Geng Jianjun, Chen Xu, et al. Infrared low, slow and small target detection based on neighborhood characteristics[J]. Infrared and Laser Engineering, 2019, 48(S1):S128002. (in Chinese)南天章, 耿建君, 陈旭, 等.基于邻域特征的红外低慢小目标检测[J]. 红外与激光工程, 2019, 48(S1):S128002.
    [7] Wu Yanfeng, Wang Yanjie, Sun Haijiang, et al. LSS-target detection in complex sky backgrounds[J]. Chinese Optics,2019, 12(4):854-866. (in Chinese)吴言枫, 王延杰, 孙海江, 等. 复杂动背景下的"低小慢"目标检测技术[J]. 中国光学, 2019, 12(4):854-866.
    [8] Lu Fuxing, Chen Xin, Chen Guilin, et al. Dim and small target detection based on background adaptive multi-feature fusion[J]. Infrared and Laser Engineering, 2019, 48(3):0326002. (in Chinese)陆福星, 陈忻, 陈桂林, 等.背景自适应的多特征融合的弱小目标检测[J]. 红外与激光工程, 2019, 48(3):0326002.
    [9] Lu Ruiqi, Ma Huimin. Template matching with multi-scale saliency[J]. Optics and Precision Engineering, 2018, 26(11):2776-2784. (in Chinese)逯睿琦, 马惠敏. 多尺度显著性区域提取的模板匹配[J]. 光学精密工程, 2018, 26(11):2776-2784.
    [10] Chen Lerui, Pan Qiuping, Kong Jinsheng. Research on image fusion based on saliency and guided filter[J]. Industrial Control Computer, 2016, 29(5):110-111. (in Chinese)陈乐瑞, 潘秋萍, 孔金生. 基于显著性和导向滤波的图像融合算法研究[J]. 工业控制计算机, 2016, 29(5):110-111.
    [11] Fu Zhizhong, Wang Xue, Li Xiaofeng, et al. Infrared and visible image fusion based on visual saliency and NSCT[J]. Journal of University of Electronic Science and Technology of China, 2017, 46(2):357-362. (in Chinese)傅志中, 王雪, 李晓峰, 等.基于视觉显著性和NSCT的红外与可见光图像融合[J]. 电子科技大学学报, 2017, 46(2):357-362.
    [12] Qiao Tieying, Cai Lihua, Li Ning, et al. Opposite target measurement based on infrared radiation characteristic system[J]. Chinese Optics, 2018, 11(5):804-811. (in Chinese)乔铁英, 蔡立华, 李宁, 等.基于红外辐射特性系统实现对面目标测量[J]. 中国光学, 2018, 11(5):804-811.
    [13] Cao Lin, Lu Hongying, Cheng Lin. Application of improved DOG operator in image edge extraction[J]. Computer Knowledge and Technology, 2018, 14(6):139-142. (in Chinese)曹麟, 鲁红英, 程琳.基于改进的DOG算子在图像边缘提取中的应用研究[J]. 电脑知识与技术, 2018, 14(6):139-142.
    [14] Birch P, Mitra B, Bangalore N M, et al. Approximate bandpass and frequency response models of the difference of Gaussian filter[J]. Optics Communications, 2010, 283(24):4942-4948.
    [15] Xia Mingge, Ouyang Wen. Pixel level image fusion methods and fusion performance evaluation[J]. Remote Sensing Technology and Application, 2002(4):224-229. (in Chinese)夏明革, 欧阳文. 像素级图像融合方法与融合效果评价[J]. 遥感技术与应用, 2002(4):224-229.
    [16] Yu Xianchuan, Pei Wenjing. Performance evaluation of image fusion quality metrics for the quality of different fusion methods[J]. Infrared and Laser Engineering, 2012, 41(12):3416-3422. (in Chinese)余先川, 裴文静.针对不同融合算法的质量评价指标性能评估[J]. 红外与激光工程, 2012, 41(12):3416-3422.
  • [1] 薛珊, 安宏宇, 吕琼莹, 曹国华.  复杂背景下基于YOLOv7-tiny的图像目标检测算法 . 红外与激光工程, 2024, 53(1): 20230472-1-20230472-12. doi: 10.3788/IRLA20230472
    [2] 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
    [3] 张津浦, 王岳环.  融合检测技术的孪生网络跟踪算法综述 . 红外与激光工程, 2022, 51(10): 20220042-1-20220042-14. doi: 10.3788/IRLA20220042
    [4] 孙鹏, 于跃, 陈嘉欣, 秦翰林.  基于深度空时域特征融合的高动态空中多形态目标检测方法(特邀) . 红外与激光工程, 2022, 51(4): 20220167-1-20220167-8. doi: 10.3788/IRLA20220167
    [5] 贺其恭, 贾晓东.  激光/毫米波双模融合近炸探测目标检测技术 . 红外与激光工程, 2021, 50(7): 20200361-1-20200361-9. doi: 10.3788/IRLA20200361
    [6] 陈明, 赵连飞, 苑立民, 徐峰, 韩默.  基于特征选择YOLOv3网络的红外图像绝缘子检测方法 . 红外与激光工程, 2020, 49(S2): 20200401-20200401. doi: 10.3788/IRLA20200401
    [7] 魏豪, 张凯, 郑磊, 曹源, 张丁文.  基于HOG-RCNN的电力巡检红外图像目标检测 . 红外与激光工程, 2020, 49(S2): 20200411-20200411. doi: 10.3788/IRLA20200411
    [8] 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
    [9] 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
    [10] 陈善静, 康青, 顾忠征, 王正刚, 沈志强, 蒲欢, 辛颖.  基于三维GMRF的高光谱图像空天融合目标检测 . 红外与激光工程, 2016, 45(S2): 132-139. doi: 10.3788/IRLA201645.S223003
    [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] 王晓飞, 王霄衣, 史翔宇, 阎秋静, 陈向南.  基于空间上下文单类分类器的目标检测算法 . 红外与激光工程, 2015, 44(S1): 236-240.
    [13] 孙照蕾, 惠斌, 秦莫凡, 常铮, 罗海波, 夏仁波.  红外图像显著目标检测算法 . 红外与激光工程, 2015, 44(9): 2633-2637.
    [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] 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] 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.
    [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.  夜视融合图像质量主观评价方法 . 红外与激光工程, 2013, 42(2): 528-532.
    [19] 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.
    [20] 刘志刚, 卢云龙, 魏一苇.  有监督的高光谱图像伪装目标检测方法 . 红外与激光工程, 2013, 42(11): 3076-3081.
  • 加载中
计量
  • 文章访问数:  493
  • HTML全文浏览量:  54
  • PDF下载量:  66
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-03-23
  • 修回日期:  2020-06-13
  • 刊出日期:  2020-09-22

高斯差分滤波图像融合方法

doi: 10.3788/IRLA20200091
    作者简介:

    曾瀚林(1995-),男,硕士生,主要从事图像处理方面的研究。Email:hanlinjkz@foxmail.com

基金项目:

国家自然科学基金(61675099)

  • 中图分类号: TP391

摘要: 图像融合是图像处理领域的重要内容之一。传统融合算法将源图像均做处理后按一定规则进行融合,虽然能取得不错的融合效果,但算法对图像的配准要求较高,融合图像也普遍存在细节丢失、目标不够明显的问题。为了改善上述问题,分析了红外图像和可见光图像的图像特性以及红外目标特性,将目标检测引入图像融合,利用高斯差分(DOG)滤波器提取红外图像中的目标,通过多尺度DOG图像计算获得红外图像融合系数矩阵,然后计算融合子图,最终融合获得目标明显、细节保留较好的图像,降低了对图像配准的要求。用五种常用评价指标以及信杂比和背景相似度对融合图像进行评估。实验结果表明,所提出的算法在主观视觉和客观评价指标上都要优于常用的图像融合方法。

English Abstract

参考文献 (16)

目录

    /

    返回文章
    返回