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
1 中国科学院光电技术研究所，四川成都 610209
2 中国科学院大学，北京 100049
为使红外图像与可见光图像融合后的图像能获得更多目标信息和细节信息，本文提出了一种基于显著性图的图像融合方法。使用改进的 Frequency Tuned(FT)算法提取红外图像的显著性图，并使用对比度受限的自适应直方图均衡化(Contrast Limited Adaptive Histgram Equalization，CLAHE)算法增强可见光图像的对比度。将红外图像与增强后的可见光图像进行非下采样轮廓波变换(Nonsubsampled Contourlet Transform，NSCT)后，根据所设定的融合规则分别对红外与可见光图像的低频部分与高频部分进行融合，最后对融合系数进行 NSCT逆变换操作后获到融合图像。实验表明，该融合方法相较于其他方法而言，保留了更多的目标信息和细节信息，可以取得更好的视觉效果。
图像融合 显著性图 红外图像 可见光图像 image fusion，saliency map，NSCT，infrared image， NSCT
杭州电子科技大学电子信息学院， 浙江 杭州 310018
可见光红外图像融合技术对于提升成像区域的信息丰富程度具有重要意义。提出了一种基于多尺度分解和显著性区域提取的可见光红外图像融合算法。利用边缘保持的图像平滑算法，构建了多尺度图像分解框架，将图像分解为不同尺度的基础层图像和若干细节层图像，同时结合导向滤波器，在每个分解图层实施显著性区域提取。通过加权重建进行融合信息的视觉增强，得到最终的融合结果。针对不同融合算法和图像库开展了主客观评价对比实验，结果表明：所提出的算法具有较好的主客观评价结果，算法融合效果表现优异，适用性较好。
图像处理 图像融合 多尺度分解 显著性图 图像质量评价 激光与光电子学进展
2017, 54(11): 111003
1 空军工程大学航空航天工程学院，陕西西安 710038
2 中国人民解放军 93787部队，北京 100076
为了将红外图像的全局信息与可见光图像的细节信息进行有效结合，进一步提高融合后图像的质量，提出了一种同时增强图像边缘细节和对比度的非下采样剪切波变换（ NSST）域红外和可见光图像融合方法。首先，通过平移不变剪切波将图像分解成为低频子带与高频子带，通过全局显著性图分析图像的对比度信息；利用改进型局部显著度图分析图像局部边缘信息。针对不同频带系数，结合边缘信息和对比度信息对频带系数进行融合，最后，利用逆变换得到最终的融合图像。大量实验结果表明，本文方法在提高图像整体对比度的同时增强了图像的边缘细节表现能力，优于现有的基于小波变换，非下采样轮廓波变换（NSCT）和显著度图等几种图像融合方法。
图像融合 红外图像 可见光图像 非下采样剪切波变换（ NSST） 显著性图 对比度增强 边缘增强 image fusion infrared image visible image non-subsampled Shearlet transform (NSST) saliency map contrast enhancement edge enhancement
1 华中科技大学图像识别与人工智能研究所,湖北,武汉,430074
2 华中科技大学图像信息处理与智能控制教育部重点实验室,湖北,武汉,430074
根据人类视觉感知理论,在介绍了两种比较有代表性的视觉注意模型的基础上,采用bottom-up控制策略的预注意机制和top-down控制策略的注意机制,提出了一种适用于自动目标识别的目标检测算法.从输入图像出发,采用Gabor算子建立多尺度、多方位的多通道图像,通过全波整流和各通道间的对比度增益控制,得到多尺度、多方位的方位特征图,这些特征图的线性组合则为显著性图.给出了仅采用bottom-up控制策略的船舶目标检测实验结果,待检测目标在显著性图中得到明显增强,有利于检测的实现.
注意机制 目标检测 显著性图 Attention mechanisms Object detection Saliency maps
