高级检索

ISSN1001-3806CN51-1125/TN 网站地图

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

NSST域模糊逻辑的红外与可见光图像融合

葛雯 姬鹏冲 赵天臣

引用本文:
Citation:

NSST域模糊逻辑的红外与可见光图像融合

    作者简介: 葛雯(1972-),女,博士,副教授,现主要从事图像处理、航空电子信息的研究。E-mail:gewenbox72@sina.com.
  • 基金项目:

    辽宁省科技厅工业攻关基金资助项目(2012216027);沈阳市科技计划资助项目(F13-096-2-00)

  • 中图分类号: TP391

Infrared and visible light images fusion of fuzzy logic on NSST domain

  • CLC number: TP391

  • 摘要: 为了在红外与可见光图像融合时保留各自更多的细节信息,同时降低算法复杂度,采用了非下采样剪切波变换(NSST)和改进模糊逻辑的红外与可见光图像融合方法,利用NSST算法对红外图像和可见光图像分别进行多尺度、多方向稀疏分解,分别得到低频子带系数和高频子带系数。然后对低频子带系数采用基于改进的模糊柯西隶属函数的权值平均融合规则;对高频子带系数采用能量匹配度和视觉敏感度系数相结合的融合规则。最后对低频子带融合系数和高频子带融合系数执行NSST逆变换得到最终的融合图像,并进行了理论分析和实验验证。结果表明,此融合方法不仅可以保证融合清晰度,对缩短算法的运行时间也是有帮助的。
  • [1]

    LI J Sh, YANG W, ZHANG X M. Infrared image processing, analysis and fusion[M]. Beijing:Science Press, 2009:174-182(in Chinese).
    [2]

    ZHENG W, SUN X Q, LI Zh. Image fusion based on shearlet transform and region characteristics[J]. Laser Technology, 2015, 39(1):50-56(in Chinese).
    [3]

    FENG X, WANG X M. Fusion of infrared and visible images based on Shearlet transform[J].Journal of OptoelectronicsLaser, 2013, 24(2):384-390(in Chinese).
    [4]

    XING X X. Research the image fusion algorithm based on non-subsampled shearlet transform[D]. Changchun:Jilin University, 2014:69-77(in Chinese).
    [5]

    SHI Zh, ZHANU Zh, YUE Y G. Adaptive image fusion algorithm based on Shearlet transform[J]. Acta Photonica Sinica, 2013, 42(1):115-120(in Chinese).
    [6]

    XIE Y H. Multi-focus image fusion by improved shearlet transform[D]. Xi'an:Xidian University, 2013:37-43(in Chinese).
    [7]

    KONG W W, LEI Y J. Technique for image fusion based on NSST domain and human visual characteristics[J]. Journal of Harbin Engineer University, 2013, 34(6):777-782(in Chinese).
    [8]

    ZHANG L, LUO Ch G, ZHANG Y Y, et al. Fusion algorithm of infrared and visible images based on support value transform[J]. Laser Technology, 2015, 39(3):428-431(in Chinese).
    [9]

    LI G, WANG L, ZHANG R B. Infrared and visible image fusion based on feature energy[J]. Opto-Electronic Engineering, 37(3):83-87(in Chinese).
    [10]

    CHEN M Sh, CAI Zh Sh. Study on fusion of visual and infrared images based on NSCT[J]. Laser Optoelectronics Progress, 2015, 52(6):114-119(in Chinese).
    [11]

    HUANG X Q. Infrared and visible image fusion technology based on fuzzy logic[D]. Chongqing:Chongqing University, 2012:39-41(in Chinese).
    [12]

    ZHANG Y K. Research on shearlet-based SAR/IR image fusion[D]. Nanjing:Nanjing University of Aeronautics and Astronautics, 2011:28-41(in Chinese).
    [13]

    WANG L Q, AN J W. Image fusion based on nonsubsampled Contourlet transform[J]. Computer Engineering and Application, 2008, 44(12):189-191(in Chinese).
    [14]

    DO M N, VETTERLI M. Contourlets:a directional multiresolution image representation[C]//International Conference on Image Processing.New York,USA:IEEE, 2002:357-360(in Chinese).
    [15]

    EASLEYG R, LABAT E D, LIM W Q. Optimally sparse image representations using shearlets[C]//Fortieth Asilomar Conference on Signal, Systems and Computers. New York, USA:IEEE, 2006:974-978.
    [16]

    YUAN Y H, ZHANG J J, CHANG B K, et al. Objective quality evaluation of visible and infrared color fusion image[J]. Optical Engineering, 2011, 50(3):33-45.
  • [1] 张雷罗长更张颖颖李根全杨兴强王肖霞 . 基于支持度变换的红外与可见光图像融合算法. 激光技术, 2015, 39(3): 428-431. doi: 10.7510/jgjs.issn.1001-3806.2015.03.032
    [2] 李庆辉李艾华姜柯赵少宁 . HIS空间的火灾图像模糊增强快速算法. 激光技术, 2014, 38(1): 137-140. doi: 10.7510/jgjs.issn.1001-3806.2014.01.030
    [3] 邓晓鹏文伟 . 基于干涉的二值图像逻辑运算加密技术. 激光技术, 2010, 34(3): 401-404. doi: 10.3969/j.issn.1001-3806.2010.03.033
    [4] 江天沈会良杨冬晓刘建军邹哲 . 基于模糊局部信息C均值的太赫兹图像目标检测. 激光技术, 2015, 39(3): 289-294. doi: 10.7510/jgjs.issn.1001-3806.2015.03.001
    [5] 何易德朱斌姜湖海刘书信李黎明胡绍云 . 红外图像多尺度统计和应用先验去模糊模型. 激光技术, 2023, 47(3): 360-365. doi: 10.7510/jgjs.issn.1001-3806.2023.03.012
    [6] 孙越娇雷武虎胡以华赵楠翔任晓东 . 基于视觉显著模型的遥感图像舰船快速检测. 激光技术, 2018, 42(3): 379-384. doi: 10.7510/jgjs.issn.1001-3806.2018.03.017
    [7] 谢军昱许杨剑王效贵 . 基于贝叶斯模型和数字图像相关的视觉测量. 激光技术, 2016, 40(6): 866-870. doi: 10.7510/jgjs.issn.1001-3806.2016.06.019
    [8] 张宝华刘鹤 . 基于能量梯度场映射关系的红外图像分割方法. 激光技术, 2015, 39(1): 76-81. doi: 10.7510/jgjs.issn.1001-3806.2015.01.015
    [9] 王强张合新孟飞张腾飞 . 基于结构相似度评价方法的窗口效应. 激光技术, 2016, 40(6): 902-906. doi: 10.7510/jgjs.issn.1001-3806.2016.06.026
    [10] 赵保贵赵德辉董宗戈周勋 . 基于余弦相似度的光学伪装效能评估分析[. 激光技术, 2022, 46(2): 260-266. doi: 10.7510/jgjs.issn.1001-3806.2022.02.018
    [11] 朱金辉张宝华谷宇李建军张明 . 基于双邻域对比度的红外小目标检测算法. 激光技术, 2021, 45(6): 794-798. doi: 10.7510/jgjs.issn.1001-3806.2021.06.020
    [12] 何易德朱斌王询陈好贾静 . 基于跟踪特征的目标模型逼真度评估方法. 激光技术, 2020, 44(4): 515-519. doi: 10.7510/jgjs.issn.1001-3806.2020.04.020
    [13] 李文龙戈海龙任远成巍 . 图像处理技术在激光熔池温度检测的应用. 激光技术, 2018, 42(5): 599-604. doi: 10.7510/jgjs.issn.1001-3806.2018.05.004
    [14] 张海庄姚梅雷萍李鹏曾庆平 . 远场激光光斑图像处理方法研究. 激光技术, 2013, 37(4): 460-463. doi: 10.7510/jgjs.issn.1001-3806.2013.04.010
    [15] 汤敏王惠南 . 激光扫描共聚焦显微镜图像的计算机处理. 激光技术, 2007, 31(5): 558-560.
    [16] 张羽鹏王开福 . LabVIEW和MATLAB在电子散斑干涉图像处理中的应用. 激光技术, 2009, 33(6): 582-585,589. doi: 10.3969/j.issn.1001-3806.2009.06.007
    [17] 冯煦张瑞瑛周萍李松 . 大功率半导体线激光图像处理方法研究. 激光技术, 2010, 34(5): 624-627. doi: 10.3969/j.issn.1001-3806.2010.O5.013
    [18] 顾国庆王开福燕新九 . 基于同态滤波的电子散斑干涉图像处理. 激光技术, 2010, 34(6): 750-752,797. doi: 10.3969/j.issn.1001-3806.2010.06.009
    [19] 苏平牛燕雄李大乾牛海莎李易难张超 . 基于面阵CCD的激光告警系统的图像采集与处理. 激光技术, 2013, 37(3): 394-399. doi: 10.7510/jgjs.issn.1001-3806.2013.03.028
    [20] 刘逸飞苏亚姚晓天崔省伟杨丽君周聪聪何松 . OCT无创血糖检测图像处理最优化方法研究. 激光技术, 2023, 47(2): 178-184. doi: 10.7510/jgjs.issn.1001-3806.2023.02.004
  • 加载中
计量
  • 文章访问数:  6381
  • HTML全文浏览量:  3955
  • PDF下载量:  247
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-08-17
  • 录用日期:  2015-11-03
  • 刊出日期:  2016-11-25

NSST域模糊逻辑的红外与可见光图像融合

    作者简介: 葛雯(1972-),女,博士,副教授,现主要从事图像处理、航空电子信息的研究。E-mail:gewenbox72@sina.com
  • 1. 沈阳航空航天大学 电子信息工程学院 电子与通信工程系, 沈阳 110136
基金项目:  辽宁省科技厅工业攻关基金资助项目(2012216027);沈阳市科技计划资助项目(F13-096-2-00)

摘要: 为了在红外与可见光图像融合时保留各自更多的细节信息,同时降低算法复杂度,采用了非下采样剪切波变换(NSST)和改进模糊逻辑的红外与可见光图像融合方法,利用NSST算法对红外图像和可见光图像分别进行多尺度、多方向稀疏分解,分别得到低频子带系数和高频子带系数。然后对低频子带系数采用基于改进的模糊柯西隶属函数的权值平均融合规则;对高频子带系数采用能量匹配度和视觉敏感度系数相结合的融合规则。最后对低频子带融合系数和高频子带融合系数执行NSST逆变换得到最终的融合图像,并进行了理论分析和实验验证。结果表明,此融合方法不仅可以保证融合清晰度,对缩短算法的运行时间也是有帮助的。

English Abstract

参考文献 (16)

目录

    /

    返回文章
    返回