作者单位
摘要
1 重庆交通大学 交通运输学院,重庆 400074
2 重庆奉建高速公路有限公司,重庆 401120
针对隧道出入口光照强度不足导致成像质量不佳的问题,提出了一种基于低照度隧道口红外与可见光图像融合方法。首先利用双边滤波与光照分量,对隧道口低照度红外和可见光源图像进行自适应图像增强;其次通过非下采样轮廓波进行多尺度、多方向分解以弥补预处理后的图像信息损失;在低频系数上,采用基于卷积稀疏表示与局部能量特征相结合的方法进行融合;在高频系数上,根据底层视觉特征构建新活性度量方法与光谱边缘处理;最后,将得到的低频和高频融合层进行重构得到最终的融合图像。实验结果表明,所提出的融合算法与BF、SE、NSCT-BF、SF-Energy-Q、SR-C&L五种算法相比,主观上视觉效果更好,辨识度高,整幅图像场景得以凸显,互信息量、信息熵、标准差均为最高,分别为7.596 2、7.764 2、82.194 1,运算时间至多减少0.023 2 s。该方法在降低噪声、均衡光照、恢复细节方面有参考意义。
视觉融合 公路隧道 卷积稀疏表示 近红外图像 局部能量 光谱边缘处理 Visual fusion Highway tunnel Convolution sparse representation Near-infrared image Local energy Spectral edge processing 
光子学报
2022, 51(12): 1210005
作者单位
摘要
92941部队, 辽宁 葫芦岛 125001
图像融合作为图像处理领域的一个重要分支, 已成为研究的热点问题之一。对于像素级图像融合, 多尺度多分辨率分解已被广泛应用, 但是在低频子带的处理上, 由于平均法容易导致融合图像出现模糊, 对比度下降等问题, 提出基于区域能量的低频子带融合方法; 对于高频子带, 在考虑系数本身的同时, 也考虑其邻域系数的影响。对已配准的可见光和红外源图像进行融合实验, 并对融合图像进行评价, 结果表明, 文中方法在保留图像轮廓的同时, 充分保留了图像的高频边缘及细节信息。
局部能量 邻域信息  图像融合 regional energy neighborhood information entropy image fusion 
光电技术应用
2019, 34(3): 19
作者单位
摘要
1 中北大学信息与通信工程学院, 山西 太原 030051
2 中北大学动态测试技术重点实验室, 山西 太原 030051
针对红外偏振融合后图像边缘模糊不清和细节信息不明显等问题,本文提出了一种基于局部能量匹配的红外偏振图像融合方法。首先,融合偏振角图像和偏振度图像得到偏振特征图像;然后运用非下采样剪切波变换(NSST)把偏振特征图像和光强图像分解为低频子带和高频子带,运用顶帽(Top-hat)变换处理偏振图像的低频信息,提取目标;最后采用基于局部能量匹配和局部方差相结合的融合规则融合低频子带和高频子带。实验结果表明,本文算法与 NSCT算法相比较,融合后图像的整体互信息值提高了 8.7%,方差提高了 3.9%,很好的保留了图像的细节信息。
红外偏振图像融合 局部能量 Top-hat变换 fusion based infrared polarization image NSST NSST local energy Top-hat transformation 
红外技术
2016, 38(4): 319
作者单位
摘要
1 南阳师范学院 物理与电子工程学院, 南阳 473061
2 中北大学 信息与工程学院, 太原 030051
为了提高可见光和红外图像融合效果,采用支持度变换的可见光与红外图像融合算法,首先对可见光和红外图像进行支持度变换,低频系数采用局部能量比例调制加权的方法进行融合,高频系数采用局部方差比例加权的方法进行融合,最后通过重构算法得到融合图像,并由理论分析得到融合图像的性能指标数据.结果表明,该算法同小波算法、Contourlet变换算法以及文献算法相比较,在图像细节信息、包含的信息量以及清晰度上都得到显著提高,达到了预期效果.
图像处理 支持度变换 局部能量 局部方差 图像融合 image processing support value transform local energy local variance image fusion 
激光技术
2015, 39(3): 428
作者单位
摘要
吉林大学 计算机科学与技术学院, 吉林 长春 130022
基于视觉注意模型和最大熵分割算法, 提出了一种自适应显著目标分割方法来分离目标和复杂背景, 以便快速准确地从场景图像中检测出显著目标。首先, 通过颜色、强度、方向和局部能量4个特征通道获取图像的显著图; 通过引入局部能量通道来更好地描述了显著目标的轮廓。然后, 根据显著图中像素灰度的强弱构建不同的目标检测蒙板, 将每个蒙板作用于原图像作为预分割的结果, 再计算每个预分割图像的熵。最后, 利用最大熵准则估计图像目标熵,根据预分割图像的熵和目标熵判断选取最优显著目标分割图像。实验结果表明: 本文算法检测的显著目标更为完整, 分割性能F-measure达到0.56, 查全率和查准率分别为0.69和0.41, 相对于传统方法更为有效准确, 实现了在复杂背景下对显著目标的有效准确检测。
视觉显著目标 局部能量 目标检测 最大熵准则 自适应分割 visual salient object local energy object detection maximization entropy adaptive segmentation 
光学 精密工程
2013, 21(2): 531
作者单位
摘要
中北大学电子测试技术国家重点实验室, 山西太原 030051
分析了红外偏振与红外光强的成像特性差异, 提出了基于局部能量的支持度变换融合方法。实验结果表明, 融合图像综合了两幅图像的冗余信息, 使图像更清晰,信息更加丰富。融合图像同原红外偏振和光强图像相比, 局部标准偏差分别提高了13.67%和11.51%;局部熵分别提高了16.46%和1.95%;平均梯度分别提高了15.41%和44.05%。证明了该融合方法的有效性。
图像融合 红外偏振 红外光强 局部能量 支持度变换 image fusion infrared polarization infrared intensity local energy support value transformation(SVT) 
红外技术
2011, 33(5): 262
作者单位
摘要
嘉应学院 电子信息工程学院,广东 梅州 514015
在小波分解的基础上,将小波系数绝对值与局部能量二个激活度量相结合,提出了一种新的小波图像融合算法。根据二幅源图像在同一分解层及同一方向上相同位置的小波系数绝对值之间和局部能量之间出现的4 种不同组态,采取选择和加权平均方法确定融合图像的小波系数。实验结果表明新算法具有较好的融合效果。
图像融合 小波变换 局部能量 小波系数绝对值 image fusion wavelet transform local area energy wavelet coefficient absolute value 
光电工程
2009, 36(5): 62
作者单位
摘要
嘉应学院 电子信息工程系,广东 梅州 514015
分析了基于局部能量的小波图像融合算法的优缺点,针对该算法存在的对窗口内像素包含独立信息考虑不足的问题,提出了一种改进算法。改进算法利用了窗口中心像索的相位信息,将基于局部能量的选择和加权平均融合规则相结合。当两幅源图像小波分解后的对应高频系数相位相同时,采用局部能量极大值准则选择融合图像对应的高频系数,相位相反时,采用局部能量加权平均方法确定融合图像对应的高频系数。实验证明了改进算法的有效性。
图像融合 小波分解 局部能量 相位信息 image fusion wavelet decomposition local energy phase information 
光电工程
2008, 35(11): 106
作者单位
摘要
上海交通大学,图像处理与模式识别研究所,上海,200240
自适应Butterworth高通滤波是一种有效的海空复杂背景下红外小目标检测方法,但其在序列图像检测中不可避免地存在虚警.该研究通过估计因前后帧间不同截止频率导致Butterworth高通滤波后红外图像中小目标局部能量值的变化情况,可实现对滤波后图像中小目标检测阈值的自适应调整.实验结果表明该算法不仅可很好解决上述虚警问题,而且对跟踪过程中可能出现的目标消失或背景突然变化的情况也有良好的适应性.
信息处理技术 红外小目标检测 局部能量阈值 复杂背景 
红外与毫米波学报
2006, 25(1): 41
作者单位
摘要
南开大学现代光学研究所,天津,300071
针对θ调制多光谱照相技术,提出了一种基于小波变换的图像融合及假彩色化新方法,其特点是使用改进的加权平均法融合可见光波段解码图像与红外图像的小波分解低频分量,以局部能量差为测度标准融合高频分量,将融合的图像在RGB空间合成假彩色图像.理论分析和实验结果表明该方法具有良好的融合性能和假彩色效果.
θ调制 融合 小波变换 局部能量 假彩色 θ-modulation Fusion Wavelet transform Local energy difference Pseudo-color 
光子学报
2005, 34(12): 1889

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!