基于小波变换与特征提取的红外弱小目标图像融合
发布时间:2020-12-27 18:58
当前红外单波段数据不能全面反映图像细节以及轮廓信息,弱小目标成像后难以抵抗背景干扰,使得图像产生较低的信噪比。因此有必要利用不同波段数据的纹理差异性,通过互补融合方法提高图像的信噪比。基于此,提出一种基于小波变换与特征提取的融合方法。首先将多源图像进行多尺度二维分解,获得各图像的低频信息与高频信息,在此基础上,高频信息采取绝对值取大的融合方法,低频信息采取加权求平均的融合方法,进而重构图像。然后,利用特征提取方法得到中波与长波特征图像。最后对重构图像与红外中长波特征图像进行对比度调制再融合。融合结果与多种融合算法进行对比。实验结果表明,该算法能够增强图像中弱小目标的灰度,可以很好地识别目标,解决了图像中弱小目标抗背景干扰的问题。
【文章来源】:西北工业大学学报. 2020年04期 北大核心
【文章页数】:10 页
【部分图文】:
图像融合整体框架
海面背景下船只目标融合结果
图7 海面背景下船只目标融合结果通过比较3类场景下各算法融合结果可以明显看出,使用本文提出的小波变换与特征提取融合算法具有明显的差异特性,图像纹理轮廓清晰且弱小目标容易从复杂背景中识别出来。其他算法融合效果较差,如地物背景下的DWT、SR算法所得结果边缘纹理模糊、图像对比度低,不利于从复杂地物背景中区分出人物目标。海面背景下SR算法中整体图像质量偏差,图像的纹理特征有所弱化。天空背景下DWT与SR算法融合结果显示的背景信息不明显,导致图像的边缘轮廓清晰度降低。3类场景中WTGMF算法结果显示背景较暗,目标隐现。NSCT、CNN与ResNet-ZPCA算法相比于其他算法在对比度、亮度、边缘保持度上都符合人眼视觉。
【参考文献】:
期刊论文
[1]基于SSIM的自适应样本块图像修复算法[J]. 何凯,牛俊慧,沈成南,卢雯霞. 天津大学学报(自然科学与工程技术版). 2018(07)
[2]一种基于稀疏表示的可见光与红外图像融合方法[J]. 张生伟,李伟,赵雪景. 电光与控制. 2017(06)
[3]红外双波段点目标双色比分析与处理[J]. 王文博,王英瑞. 红外与激光工程. 2015(08)
[4]基于小波变换和邻域特征的多聚焦图像融合算法[J]. 郭雷,程塨,赵天云. 西北工业大学学报. 2011(03)
[5]基于非下采样Contourlet变换的自适应图像融合算法[J]. 郭雷,刘坤. 西北工业大学学报. 2009(02)
[6]基于小波变换与灰度形态学滤波的双波段红外图像弱目标融合检测[J]. 李秋华,王厚生,邹自力,沈振康,李吉成. 信号处理. 2006(03)
本文编号:2942300
【文章来源】:西北工业大学学报. 2020年04期 北大核心
【文章页数】:10 页
【部分图文】:
图像融合整体框架
海面背景下船只目标融合结果
图7 海面背景下船只目标融合结果通过比较3类场景下各算法融合结果可以明显看出,使用本文提出的小波变换与特征提取融合算法具有明显的差异特性,图像纹理轮廓清晰且弱小目标容易从复杂背景中识别出来。其他算法融合效果较差,如地物背景下的DWT、SR算法所得结果边缘纹理模糊、图像对比度低,不利于从复杂地物背景中区分出人物目标。海面背景下SR算法中整体图像质量偏差,图像的纹理特征有所弱化。天空背景下DWT与SR算法融合结果显示的背景信息不明显,导致图像的边缘轮廓清晰度降低。3类场景中WTGMF算法结果显示背景较暗,目标隐现。NSCT、CNN与ResNet-ZPCA算法相比于其他算法在对比度、亮度、边缘保持度上都符合人眼视觉。
【参考文献】:
期刊论文
[1]基于SSIM的自适应样本块图像修复算法[J]. 何凯,牛俊慧,沈成南,卢雯霞. 天津大学学报(自然科学与工程技术版). 2018(07)
[2]一种基于稀疏表示的可见光与红外图像融合方法[J]. 张生伟,李伟,赵雪景. 电光与控制. 2017(06)
[3]红外双波段点目标双色比分析与处理[J]. 王文博,王英瑞. 红外与激光工程. 2015(08)
[4]基于小波变换和邻域特征的多聚焦图像融合算法[J]. 郭雷,程塨,赵天云. 西北工业大学学报. 2011(03)
[5]基于非下采样Contourlet变换的自适应图像融合算法[J]. 郭雷,刘坤. 西北工业大学学报. 2009(02)
[6]基于小波变换与灰度形态学滤波的双波段红外图像弱目标融合检测[J]. 李秋华,王厚生,邹自力,沈振康,李吉成. 信号处理. 2006(03)
本文编号:2942300
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2942300.html