针对探测波段为3.7~4.8 μm的中波红外图像和探测波段为8~14 μm长波红外图像融合过程中存在场景对比度低, 显著性目标不够凸出, 伪影引入严重的问题, 采用快速自适应二维经验模态分解(FABEMD)对红外中波和长波图像进行多尺度分解以得到二维内蕴模函数(BIMFs)和残余分量(Residual)。 对于每一层内蕴模函数选用改进的局部能量窗口融合规则, 首先配置好加权算子以增加区域窗口中心像素的能量占比; 选用不同的加权算子, 经实验验证能有效突出红外中波和长波图像的能量特征信息; 其次充分利用内蕴模函数的相位信息, 当相位相反时, 采用能量加权平均的方式, 以解决融合系数的正负符号极性难以确定的问题; 当相位相同时, 判断二者的能量差距并依据差距大小选择设定的融合规则, 融合规则基于红外中波和长波图像的灰度差异特性设定。 对于残余分量则利用红外中波图像和改进区域能量窗口的最大对称环绕显著性权重图指导基础层系数的融合, 自适应的局部环绕窗口充分利用了低频显著性信息, 对无用背景的抑制效果也相当出色, 能够在复杂背景图像中突出显著性对象, 最终得到细节信息丰富, 对比度明显的指导图像。 最后通过FABEMD的逆变化重构过程得到融合图像, 对4组不同背景、 不同大小的红外中长波图像进行主观和客观性能评价, 4组图像均来自多波段红外采集系统且都经过严格配准并和7种相关算法进行对比实验, 在主观性能上显著性对象突出、 清晰度度高; 客观性能上在平均梯度和空间频率这两个评价指标上性能优异, 验证了该算法的有效性。
图像融合 快速自适应二维经验模态分解 相位信息 区域能量窗口 显著性图 Images fusion Fast and adaptive bidimensional empirical mode decomposition Phase information Regional energy window Saliency map 光谱学与光谱分析
2021, 41(7): 2043
针对视觉显著性融合过程中目标对比度低，图像不够清晰的问题，本文提出一种基于二维经验模态分解（bidimensional empirical mode decomposition，BEMD）改进的 Frequency Tuned算法。首先利用 BEMD捕获红外图像的强点、轮廓信息用于指导生成红外图像的显著性图，然后将可见光图像和增强后的红外图像进行非下采样轮廓波变换（ nonsubsampled contourlet transform，NSCT），对低频部分采用显著性图指导的融合规则，对高频部分采用区域能量取大并设定阈值的融合规则，最后进行逆 NSCT变换生成融合图像并进行主观视觉和客观指标评价，结果表明本文方法实现了对原图像多层次、自适应的分析，相较于对比的方法取得了良好的视觉效果。
图像融合 二维经验模态分解 显著性图 非下采样轮廓波变换 images fusion, bidimensional empirical mode decomp
湖南师范大学物理与信息科学学院, 湖南长沙 410006
针对传统加权平均融合算法和渐入渐出融合算法仍然存在相对明显的拼接痕迹, 提出一种三角函数权重的图像拼接算法。首先, 对参考图计算图像重叠区域从左边界开始每一列像素所占重叠区的比例, 将其用相应的角度表示; 然后计算角度对应余弦值的平方, 将此结果作为参考图的权重信息; 对于目标图, 计算靠近右边界的每一列所占重叠区的比例, 并用角度表示, 然后计算该角度对应正弦值的平方, 将此结果作为目标图的权重; 最后用计算得到的 2个非线性的权重对两幅图进行图像拼接。实验结果表明无论摄像机是否在曝光差异较大情况下进行拍摄, 改进的图像融合算法效果更好。
加权平均融合 渐入渐出融合 三角函数 权重 图像融合 曝光差异 weighted average image fusion gradual image fusion trigonometric functions weight images fusion different exposure index
物体的三维重建技术一直是计算机视觉领域研究的热点问题，提出一种利用Kinect传感器获取的深度图像实现多幅深度图像融合完成物体三维重建的方法。在图像空间中对深度图像进行三角化，然后在尺度空间中融合所有三角化的深度图像构建分层有向距离场(hierarchical signed distance field)，对距离场中所有的体素应用整体Delaunay三角剖分算法产生一个涵盖所有体素的凸包，并利用Marching Tetrahedra算法构造等值面，完成物体表面重建。实验结果表明，该方法利用Kinect传感器采集的不同方向37幅分辨率为640×480的深度图像完成目标物体的三维重建，仅需要48 s，并且得到非常精细的重建效果。
机器视觉 三维重建 深度图像融合 有向距离场 Delaunay三角剖分 Marching Tetrahedra算法 computer vision 3D reconstruction depth images fusion signed distance field Delaunay tetrahedralization Marching Tetrahedra
