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

灰度融合图像目标与背景感知对比度客观评价模型

高绍姝 金伟其 王延江 张晓东

高绍姝, 金伟其, 王延江, 张晓东. 灰度融合图像目标与背景感知对比度客观评价模型[J]. 红外与激光工程, 2015, 44(5): 1660-1665.
引用本文: 高绍姝, 金伟其, 王延江, 张晓东. 灰度融合图像目标与背景感知对比度客观评价模型[J]. 红外与激光工程, 2015, 44(5): 1660-1665.
Gao Shaoshu, Jin Weiqi, Wang Yanjiang, Zhang Xiaodong. Target-background perceptual contrast metric for gray fusion images[J]. Infrared and Laser Engineering, 2015, 44(5): 1660-1665.
Citation: Gao Shaoshu, Jin Weiqi, Wang Yanjiang, Zhang Xiaodong. Target-background perceptual contrast metric for gray fusion images[J]. Infrared and Laser Engineering, 2015, 44(5): 1660-1665.

灰度融合图像目标与背景感知对比度客观评价模型

基金项目: 

国家自然科学基金(61231014,61271407,61305008);高等学校博士学科点专项科研基金(20131101130002);山东省自然科学基金(ZR2014FP013,ZR2012FL16);青岛市应用基础研究计划(14-2-4-115-jch);中央高校基本科研业务费专项资金(14CX02029A)

详细信息
    作者简介:

    高绍姝(1983-),女,博士,主要从事光电成像系统性能分析与图像质量评价方面的研究。Email:gaoshaoshu@aliyun.com

  • 中图分类号: TP391

Target-background perceptual contrast metric for gray fusion images

  • 摘要: 目标与背景感知对比度是影响可见光与红外灰度融合图像质量的主要因素之一。现有的对比度评价模型未能充分考虑人眼视觉特性。因此,基于韦伯对比度模型的形式,结合人眼亮度掩盖特性,提出了一种简单有效的融合图像目标与背景感知对比度评价模型。利用模拟图像和现实场景灰度融合图像的主观评价分数来检验客观评价模型。结果表明,与现有的5种图像对比度评价模型相比,所提出的目标与背景感知对比度客观评价模型能够给出更接近人眼主观感受的评价结果,有效地实现灰度融合图像目标与背景感知对比度的客观评价。
  • [1]
    [2] Zhnag Yong, Jin Weiqi. Objective assessment method of night vision fusion image quality[J]. Infrared and Laser Engineering, 2013, 42(5): 1360-1365. (in Chinese) 张勇, 金伟其. 夜视融合图像质量客观评价方法[J]. 红外与激光工程, 2013, 42(5): 1360-1365.
    [3] Gao S, Jin W, Wang L. Quality assessment for visible and infrared color fusion images of typical scenes[J]. Chinese Optics Letters, 2012, 10(8): 081101.
    [4]
    [5]
    [6] Schreiber W F. Fundamentals of Electronic Imaging Systems: Some Aspects of Image Processing[M]. New York: Springer, 1993: 60-70.
    [7] Michelson A A. Studies in Optics[M]. USA: Courier Dover Publications, 1995.
    [8]
    [9]
    [10] Peli E. Contrast in complex images[J]. Journal of the Optical Society of America A: Optics, Image Science, 1990, 7(10): 2032-2040.
    [11] Winkler S, Vandergheynst P. Computing isotropic local contrast from oriented pyramid decompositions[C]//International Conference on Image Processing, 1999, 4: 420-424.
    [12]
    [13]
    [14] Frazor R A, Geisler W S. Local luminance and contrast in natural images[J]. Vision Research, 2006, 46(10): 1585-1598.
    [15]
    [16] Yuan Y, Zhang J, Chang B, et al. Objective quality evaluation of visible and infrared color fusion image[J]. Optical Engineering, 2011, 50(3): 033202-033211.
    [17]
    [18] Netravali A N, Haskell B G. Digital Pictures: Representation and Compression[M]. New York: Perseus Publishing, 1988: 266-269.
    [19]
    [20] Chou C H, Li Y C. A perceptually tuned subband image coder based on the measure of just-noticeable-distortion profile[J]. IEEE Transactions on Circuits and Systems for Video Technology, 1995, 5(6): 467-476.
    [21] Fairchild M D. Color Appearance Models[M]. USA: John Wiley Sons, 2005: 134-138.
    [22]
    [23]
    [24] Otsu N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1): 62-66.
    [25] Singh A, Harrison A. Standardized principal components[J]. International Journal of Remote Sensing, 1985, 6(6): 883-896.
    [26]
    [27] Burt P J, Adelson E H. The Laplacian pyramid as a compact image code[J]. IEEE Transactions on Communications, 1983, 31(4): 532-540.
    [28]
    [29]
    [30] Burt P J. A gradient pyramid basis for pattern-selective image fusion[C]//Proceedings of the Society for Information Display, 1992: 467-470.
    [31]
    [32] Berns R S. Methods for characterizing CRT displays[J]. Displays, 1996, 16(4): 173-182.
  • [1] 潘宏亮, 孙金霞, 韩希珍.  图像清晰度评价与变步长融合调焦方法 . 红外与激光工程, 2023, 52(1): 20220342-1-20220342-6. doi: 10.3788/IRLA20220342
    [2] 张晓杰, 魏炜, 侯永辉, 张勇, 季杭馨, 李晓飞, 陆启帅, 黄康, 刘玉瑶.  基于多目标图像清晰度评价的LAMOST光谱仪离焦诊断方法 . 红外与激光工程, 2022, 51(12): 20220238-1-20220238-9. doi: 10.3788/IRLA20220238
    [3] 王婷, 税渝阳, 梁浩文, 刘忆琨, 周建英.  强散射背景下的图像感知、融合与可视化技术 . 红外与激光工程, 2022, 51(8): 20220418-1-20220418-11. doi: 10.3788/IRLA20220418
    [4] 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
    [5] 孔明, 杨天琪, 单良, 郭天太, 王道档, 徐良.  图像能量与对比度的霾检测算法 . 红外与激光工程, 2018, 47(8): 826001-0826001(6). doi: 10.3788/IRLA201847.0826001
    [6] 姚旺, 刘云鹏, 朱昌波.  基于人眼视觉特性的深度学习全参考图像质量评价方法 . 红外与激光工程, 2018, 47(7): 703004-0703004(8). doi: 10.3788/IRLA201847.0703004
    [7] 骆媛, 张科, 纪明.  增强无人机态势感知的彩色图像融合方法 . 红外与激光工程, 2016, 45(S1): 200-206. doi: 10.3788/IRLA201645.S126002
    [8] 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.
    [9] 唐聪, 殷松峰, 凌永顺, 王一程, 杨星, 徐凯.  红外照射条件下目标和背景的亮度融合 . 红外与激光工程, 2014, 43(12): 3883-3888.
    [10] 杨少魁, 刘文.  一种微光与红外图像彩色融合方法 . 红外与激光工程, 2014, 43(5): 1654-1659.
    [11] 高绍姝, 金伟其, 王岭雪, 骆媛, 李家琨.  基于场景理解的双波段彩色融合图像质量评价 . 红外与激光工程, 2014, 43(1): 300-305.
    [12] 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.
    [13] 李俊山, 陈霞, 李建华.  不同地面背景下目标与背景红外辐射对比特性 . 红外与激光工程, 2014, 43(2): 424-428.
    [14] 苏宇, 高绍姝, 金伟其, 贾晓婷, 潘定平, 刘佳妮, 金凯佳.  典型场景彩色融合图像颜色协调性的主观评价 . 红外与激光工程, 2014, 43(11): 3767-3774.
    [15] 陶淑苹, 张续严, 金光, 曲宏松, 郑亮亮.  基于方向WPS改进TDI CCD遥感图像清晰度评价函数 . 红外与激光工程, 2013, 42(8): 2080-2084.
    [16] 郭惠楠, 曹剑中, 周祚峰, 唐利孬, 王华, 马楠.  基于色彩相关性的彩色图像清晰度评价算法 . 红外与激光工程, 2013, 42(11): 3132-3136.
    [17] 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.
    [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] 娄和利, 吕相银, 周园璞, 吴晓迪.  地面目标与背景的红外辐射对比度特性 . 红外与激光工程, 2012, 41(8): 2002-2007.
  • 加载中
计量
  • 文章访问数:  519
  • HTML全文浏览量:  110
  • PDF下载量:  246
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-09-14
  • 修回日期:  2014-10-17
  • 刊出日期:  2015-05-25

灰度融合图像目标与背景感知对比度客观评价模型

    作者简介:

    高绍姝(1983-),女,博士,主要从事光电成像系统性能分析与图像质量评价方面的研究。Email:gaoshaoshu@aliyun.com

基金项目:

国家自然科学基金(61231014,61271407,61305008);高等学校博士学科点专项科研基金(20131101130002);山东省自然科学基金(ZR2014FP013,ZR2012FL16);青岛市应用基础研究计划(14-2-4-115-jch);中央高校基本科研业务费专项资金(14CX02029A)

  • 中图分类号: TP391

摘要: 目标与背景感知对比度是影响可见光与红外灰度融合图像质量的主要因素之一。现有的对比度评价模型未能充分考虑人眼视觉特性。因此,基于韦伯对比度模型的形式,结合人眼亮度掩盖特性,提出了一种简单有效的融合图像目标与背景感知对比度评价模型。利用模拟图像和现实场景灰度融合图像的主观评价分数来检验客观评价模型。结果表明,与现有的5种图像对比度评价模型相比,所提出的目标与背景感知对比度客观评价模型能够给出更接近人眼主观感受的评价结果,有效地实现灰度融合图像目标与背景感知对比度的客观评价。

English Abstract

参考文献 (32)

目录

    /

    返回文章
    返回