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

基于边缘特征的多传感器图像融合算法

童涛,  杨桄,  孟强强,  孙嘉成,  叶怡,  陈晓榕

downloadPDF
文章导航 > 红外与激光工程  > 2014 >  43(1): 311-317
童涛, 杨桄, 孟强强, 孙嘉成, 叶怡, 陈晓榕. 基于边缘特征的多传感器图像融合算法[J]. 红外与激光工程, 2014, 43(1): 311-317.
引用本文: 童涛, 杨桄, 孟强强, 孙嘉成, 叶怡, 陈晓榕. 基于边缘特征的多传感器图像融合算法[J]. 红外与激光工程, 2014, 43(1): 311-317.
shu
Tong Tao, Yang Guang, Meng Qiangqiang, Sun Jiacheng, Ye Yi, Chen Xiaorong. Multi-sensor image fusion algorithm based on edge feature[J]. Infrared and Laser Engineering, 2014, 43(1): 311-317.
Citation: Tong Tao, Yang Guang, Meng Qiangqiang, Sun Jiacheng, Ye Yi, Chen Xiaorong. Multi-sensor image fusion algorithm based on edge feature[J]. Infrared and Laser Engineering, 2014, 43(1): 311-317.
shu

基于边缘特征的多传感器图像融合算法

  • 1.

    空军航空大学航空航天情报系,吉林长春130022

基金项目: 

国家自然科学基金(40901096)

详细信息
    作者简介:

    童涛（1989），男，硕士生，主要从事多传感器图像融合等方面的研究。Email：tongtao0917@163.com

  • 中图分类号: TP751

Multi-sensor image fusion algorithm based on edge feature

  • 1.

    Department of Aerospace Intelligence,Aviation University of Air Force,Changchun 130022,China

  • 摘要: 针对传统像素级图像融合方法在低频系数融合中，采用偏袒法和平均法容易导致融合图像出现模糊、对比度下降的问题，结合像素级和特征级融合的优势，提出一种基于边缘特征的图像融合算法。算法对于低频系数，采用区域能量自适应加权的方法；对于高频系数，通过对低频边缘特征的融合以指导其融合。分别对红外与可见光图像和多聚焦图像进行实验，并对融合图像进行主客观评价，实验表明，该算法得到的融合图像具有较好的主观视觉效果和客观量化指标，融合性能优于传统的融合方法。
    Abstract: Specific to the drawback that favoritism and average methods for low frequency coefficient fusion are weaken in maintaining the contrast of fusion image in traditional signal level image fusion, combining with the superiorities of signal level and feature level fusion, a novel fusion algorithm based on edge feature was proposed. Firstly, the registered multi-sensor images from the same scene were transformed by wavelet transforms. Secondly, the high and low frequency coefficients were fused separately by using different fusion strategies: the low frequency coefficient was fused by adaptive regional energy, while the high frequency coefficient fusion was conducted by using the edge feature fusion of low frequency coefficient. Finally, the target image was obtained by performing inverse wavelet transforms. The algorithm has been used to fuse infrared and visible images, and multi-focus images. The experimental results indicate that the fused image obtained by the proposed method has a better subjective visual effect and objective evaluation criteria, it performs dramatically better than traditional fusion methods.
  • [1] Daneshvar S, Ghassemian H. MRI and PET image fusion by combining IHS and retina-inspired models [J]. Information Fusion, 2010, 11(2): 114-123.
    [2]
    [3] Zribi M. Non-parametric and region-based image fusion with bootstrap sampling [J]. Information Fusion, 2010, 11 (2): 85-94.
    [4]
    [5] Ma Donghui, Xue Qun, Chai Qi, et al. Infrared and visible images fusion method based on image information [J]. Infrared and Laser Engineering, 2011, 40 (6): 1168-1171. (in Chinese) 马东辉, 薛群, 柴奇, 等. 基于图像信息的红外与可见光图像 融合方法研究[J]. 红外与激光工程, 2011, 40(6): 1168-1171.
    [6]
    [7] Tian Pu, Guoqiang Ni. Contrast-based image fusion using the discrete wavelet transform[J]. Optical Engineering, 2000, 39 (8): 2075-2082.
    [8]
    [9]
    [10] Li Guangxin, Xu Shuyan, Wu Weiping, et al. Extension of Piella pixel-level multiresolution image fusion framework and its algorithm [J]. Optics and Precision Engineering, 2012, 20(12): 2773-2779. (in Chinese) 李光鑫, 徐抒岩, 吴伟平, 等. Piella 像素级多分辨率图像 融合框架的扩展及其算法[J]. 光学精密工程, 2012, 20 (12): 2773-2779.
    [11]
    [12] Burt P J, Kolczynski R J. Enhanced image capture through fusion [C]//The 4th International Conference on Computer Vision, 1993: 173-182.
    [13]
    [14] Guo Ming, Fu Zheng, Xi Xiaoliang. Novel fusion algorithm for infrared and visible images based on local energy in NSCT domain [J]. Infrared and Laser Engineering, 2012, 41(8): 2229-2235. (in Chinese) 郭明, 符拯, 奚晓梁. 基于局部能量的NSCT 域红外与可 见光图像融合算法[J]. 红外与激光工程, 2012, 41 (8): 2229-2235.
    [15]
    [16] Tong Tao, Yang Guang, Tan Haifeng, et al. Multi-sensor image fusion algorithm based on NSCT [J]. Geography and Geo-Information Science, 2013, 29(2): 22-25. (in Chinese) 童涛, 杨桄, 谭海峰, 等. 基于NSCT 变换的多传感器图像 融合算法[J]. 地理与地理信息科学, 2013, 29(2): 22-25.
    [17] Vladimir Petrovic. Multi-level Image Fusion Prov [C]//SPIE, 2003, 5099: 928-933.
    [18]
    [19]
    [20] Miao Qiguang. A novel algorithm of image fusion using shearlets[J]. Opt Commun, 2011, 284(6): 1540-1547.
    [21] Zhang L. FSIM: A feature similarity index for image quality assessment [J]. IEEE Trans Image Process, 2011, 20 (8): 2378-2386.
  • [1] 王向军, 李名洋, 王霖, 刘峰, 王玮.  边缘信息引导多级尺度特征融合的显著性目标检测方法 . 红外与激光工程, 2023, 52(1): 20220344-1-20220344-10. doi: 10.3788/IRLA20220344
    [2] 贾鹏飞, 刘全周, 彭凯, 李占旗, 王启配, 华一丁.  多传感器信息融合的前方车辆检测 . 红外与激光工程, 2022, 51(6): 20210446-1-20210446-8. doi: 10.3788/IRLA20210446
    [3] 孙俊灵, 马鹏阁, 庞栋栋, 金秋春, 陈新永, 单涛, 陶然.  机载平台动态杂波背景下多脉冲激光距离扩展目标回波滤波算法研究 . 红外与激光工程, 2021, 50(3): 20200449-1-20200449-7. doi: 10.3788/IRLA20200449
    [4] 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
    [5] 程全, 樊宇, 刘玉春, 王志良.  多特征融合的车辆识别技术 . 红外与激光工程, 2018, 47(7): 726003-0726003(6). doi: 10.3788/IRLA201847.0726003
    [6] 吕珊珊, 耿湘宜, 张法业, 肖航, 姜明顺, 曹玉强, 隋青美.  基于菱形光纤布拉格光栅传感阵列的声发射定位技术 . 红外与激光工程, 2017, 46(12): 1222005-1222005(5). doi: 10.3788/IRLA201746.1222005
    [7] 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
    [8] 孙俊灵, 马鹏阁, 孙光民, 羊毅.  低信噪比下机载多脉冲激光雷达姿态不敏感性特征提取研究 . 红外与激光工程, 2017, 46(3): 330002-0330002(9). doi: 10.3788/IRLA201746.0330002
    [9] 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
    [10] 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
    [11] 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
    [12] 张仲瑜, 焦淑红.  多特征融合的红外舰船目标检测方法 . 红外与激光工程, 2015, 44(S1): 29-34.
    [13] 崔珊珊, 李琦.  基于小波变换的太赫兹数字全息再现像去噪研究 . 红外与激光工程, 2015, 44(6): 1836-1840.
    [14] 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.
    [15] 肖传民, 史泽林, 刘云鹏.  张量子空间降维的边缘图像匹配 . 红外与激光工程, 2015, 44(11): 3488-3493.
    [16] 王莎, 陈跃庭, 冯华君, 徐之海, 李奇.  基于TwIST-TV 约束的图像去模糊方法 . 红外与激光工程, 2014, 43(6): 2000-2006.
    [17] 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.
    [18] 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.
    [19] .  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.
    [20] 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.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  331
  • HTML全文浏览量:  26
  • PDF下载量:  63
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-05-04
  • 修回日期:  2013-06-11
  • 刊出日期:  2014-01-25

基于边缘特征的多传感器图像融合算法

  • 1. 空军航空大学航空航天情报系,吉林长春130022
    • 作者简介:

    童涛（1989），男，硕士生，主要从事多传感器图像融合等方面的研究。Email：tongtao0917@163.com

  • 收稿日期: 2013-05-04
  • 修回日期: 2013-06-11
  • 刊出日期: 2014-01-25
基金项目:

国家自然科学基金(40901096)

  • 中图分类号: TP751

摘要: 针对传统像素级图像融合方法在低频系数融合中，采用偏袒法和平均法容易导致融合图像出现模糊、对比度下降的问题，结合像素级和特征级融合的优势，提出一种基于边缘特征的图像融合算法。算法对于低频系数，采用区域能量自适应加权的方法；对于高频系数，通过对低频边缘特征的融合以指导其融合。分别对红外与可见光图像和多聚焦图像进行实验，并对融合图像进行主客观评价，实验表明，该算法得到的融合图像具有较好的主观视觉效果和客观量化指标，融合性能优于传统的融合方法。

English Abstract

    全文HTML

参考文献 (21)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计