基于FWA的红外偏振图像智能融合方法
发布时间：2021-08-15 00:47
针对红外强度图和红外偏振度图融合问题,提出了基于烟花算法优化空域加权平均法的智能图像融合方法。在构建优化问题模型的基础上,确定了烟花算法的边界条件。通过引入相对熵权值建立了基于综合相对熵的适应度函数。最后,与6种典型的传统融合方法在"ground"、"truck"、"car"3组红外强度和偏振度图像数据上进行了融合实验,对融合结果进行了客观评价和视觉效果评价。实验结果表明:所提方法可以有效实现红外强度图和红外偏振度图的融合,较好保留了红外强度和红外偏振特征。综合视觉效果和客观评价结果,在相对熵、总结构相似性、总互信息指标上优于比较算法。
【文章来源】：红外与毫米波学报. 2020,39(04)北大核心EISCICSCD
【文章页数】：10 页
【部分图文】：
图２?ＦＷＡ的收敛过程（ａ）适应度收敛过程，（ｂ）爆炸幅度收??敛过程??Ｆｉｇ．?２?Ｃｏｎｖｅｒｇｅｎｃｅ?ｐｒｏｃｅｓｓ?ｏｆ?ＦＷＡ?（ａ）?ｆｉｔｎｅｓｓ，?（ｂ）?ｅｘｐｌｏ－??ｓｉｏｎ?ａｍｐｌｉｔｕｄｅ??
ＭＩ反映了?＿合商像包含红外强度顏．、红外偏振度??图的总信息量＃越大表示融合图与源图的灰度分布??越相似５??２．２实验结果和分析??为验证本文方法的有效性，开展了?３组红外强??．廣＿像和红外鋪振度图像的融合实验，实验緒皋如??＇（圈．３－５）＿所示０??圈．３所，：■傭是文献［：４３］中的“ｇｒｏｕｎｄ．’’红外強．废??和偏振度．图像的融合实验结果。视觉效果上可以??眷出Ｋ红外强度图像具有丰霄的树木紋理偉息、，红??外偏振度圈像為有明显的汽车和建筑物的偏振信??息。图３（１）较多保留了偏振信龛，但基本丢失強度??信息，视觉效果聽。图３（ｇ）虽保留了强度和偏振??僧息．，但存＿在明显魏失虐＊图３?：（ｅ．）：、Ｃｄ?＿）、（．ｅ）、ｈ）：：＞??（ｉ）均保留了强度和偏振倩息＃一＿细节爵息也得以??保留，相比较而甯，藤３（ｃ）所示的ＦＷＡ方法具有更??好的视觉弟：果，Ｗ木、汽车的纹理信息丰富，图像均??匀，可以识别不同的区域，方便地识别红外目标，如??Ｓ车．、树乘等??表４显示了图３中７种融合方法的客观评价结??果１从该表可以看出，ＦＷＡ方法的ＲＥ、ＦＳＳＩＭ指标??表４?“ｇｒｏｕｎｄ”的红外强度和偏振度图融合结果客观评价??Ｔａｂｌｅ?４?Ｏｂｊｅｃｔｉｖｅ?ａｓｓｅｓｓｍｅｎｔ?ｏｆ?“ｇｒｏｕｎｄ”?ｉｎｆｒａｒｅｄ?－??ｐｏｌａｒｉｚａｔｉｏｎ?ｆｕｓｉｏｎ?ｒｅｓｕｌｔｓ??Ｍｅｔｒｉｃｓ??ＲＥ??ＦＳＳＩＭ??ＦＭＩ??ＦＷＡ??０．?７７７４??１．４１４９??１．５４６２??ＬＰ??１．?２２４５??１．３５３２??１．０９６４??ＧＰ??１．?７６４５??１．４０９０??１．
４期??陈．卫＿ｉ：．詹Ｔ?ＦＷＡ贿红养偏據謝象翁愈赢合ａ＊??５２９??均Ｒｆ其他方法ｅ?ＦＭＩ指标仅低于ＰＣＡ方法，高于??其他方法。茵此，该方法的Ｈｉ合錯果包含了较多的??禪價像特征＿儋．真，業个融含鹰像漬晰，．对比度??良好。??画４显沄的是来自文献：］；４?４Ｊ的关于伪装网测??量釣红外图像（称为“ｔｒａｃｋ”）的融合实验结果＾??从Ｂ?４（ａ－ｂ．）可以清楚地看到两幅图像特征互补。??在偏振度图像【图４（Ｌ））中，卡车前面覆盖有伪装??网的苜标明显，而在，围４（?ａ）中由于道路的褰度高??于Ｓ标．，几乎看不到目标。然而，强度图像（：图４??（ａ〕）确实显麻了更猜晰的云、树和地面边缘，而??：襃Ｓ?（左卡：牢（＇中＇）和建筑（有）的屋檐具有筻高??＿蠢獻《??画４?Ｃｄ）、（ｇ）結合了篇檐、道路、卡卒、建筑和??被伪装裏盖的物体等所有裔靄度物体．．并具有Ｍ??都一致性，但有许多变形，如云、中间屋檐和道??路、。图４（ｅ－ｆ）：、（ｈ－ｉ）对树都有畸变。在图４Ｕ）??中，所有来在原始圈像的明亮物体都被保留下来，??外观没有太大的扭曲边緣和细节也．着哳像质??鐘儀：好，０：??表：５麗示＿?了＇图４中７种融合＝方法的客观评价??结果。从该表可以看出，ＦＷＡ方法得到的融合图??的ＲＥ、ＦＭＩ指标优于其他方法，ＦＳＳＩＭ指标好于除??ＰＣＡ外的其他方法ｓ该方法的融合结皋包含了较??多源图像特征信息，图像清晰，对比度良好。??表５?“ｔｒｕｃｋ”的红外强度和偏振度图融合结果客观评价??Ｔａｂｌｅ?５?Ｏｂｊｅｃｔｉｖｅ?ａｓｓｅｓｓｍｅｎｔ?ｏｆ?“ｔｒｕｃｋ”?ｉｎｆｒａｒｅｄ?－?ｐｏ？??
【参考文献】：
期刊论文
[1]可变元素与矩阵理论结合的双模态红外图像拟态融合[J]. 吕胜,杨风暴,吉琳娜,王向东. 光电工程. 2018(12)
[2]红外光强与偏振图像多类拟态变元组合融合[J]. 吕胜,杨风暴,吉琳娜,焦玉茜. 红外与激光工程. 2018(05)
[3]红外偏振与光强图像的拟态融合原理和模型研究[J]. 杨风暴. 中北大学学报(自然科学版). 2017(01)
[4]非下采样剪切波的红外偏振图像融合[J]. 周强,赵巨峰,冯华君,徐之海,李奇,陈跃庭. 浙江大学学报(工学版). 2014(08)
[5]模糊逻辑与特征差异驱动的红外偏振图像融合模型[J]. 安富,杨风暴,牛涛. 红外技术. 2014(04)
[6]粒子群进化学习自适应双通道脉冲耦合神经网络图像融合方法研究[J]. 李奕,吴小俊. 电子学报. 2014(02)
[7]基于DWT的红外偏振与光强图像的融合[J]. 安富,杨风暴,李伟伟,周萧. 光电技术应用. 2013(02)
[8]基于小波包变换的中波红外偏振图像融合研究[J]. 陈伟力,王霞,金伟其,李福文. 北京理工大学学报. 2011(05)
[9]一种遗传搜索块寻优的不同聚焦点图像融合算法[J]. 张新曼,韩九强,王勇. 电子与信息学报. 2006(11)
[10]一种基于形态金字塔的遥感影像融合方法及其性能评价[J]. 邹勤,贾永红. 武汉大学学报(信息科学版). 2006(11)
硕士论文
[1]PCNN与粗集理论在生物细胞图像处理中的应用研究[D]. 林冬梅.兰州大学 2009
本文编号：3343503
【文章来源】：红外与毫米波学报. 2020,39(04)北大核心EISCICSCD
【文章页数】：10 页
【部分图文】：
图２?ＦＷＡ的收敛过程（ａ）适应度收敛过程，（ｂ）爆炸幅度收??敛过程??Ｆｉｇ．?２?Ｃｏｎｖｅｒｇｅｎｃｅ?ｐｒｏｃｅｓｓ?ｏｆ?ＦＷＡ?（ａ）?ｆｉｔｎｅｓｓ，?（ｂ）?ｅｘｐｌｏ－??ｓｉｏｎ?ａｍｐｌｉｔｕｄｅ??
ＭＩ反映了?＿合商像包含红外强度顏．、红外偏振度??图的总信息量＃越大表示融合图与源图的灰度分布??越相似５??２．２实验结果和分析??为验证本文方法的有效性，开展了?３组红外强??．廣＿像和红外鋪振度图像的融合实验，实验緒皋如??＇（圈．３－５）＿所示０??圈．３所，：■傭是文献［：４３］中的“ｇｒｏｕｎｄ．’’红外強．废??和偏振度．图像的融合实验结果。视觉效果上可以??眷出Ｋ红外强度图像具有丰霄的树木紋理偉息、，红??外偏振度圈像為有明显的汽车和建筑物的偏振信??息。图３（１）较多保留了偏振信龛，但基本丢失強度??信息，视觉效果聽。图３（ｇ）虽保留了强度和偏振??僧息．，但存＿在明显魏失虐＊图３?：（ｅ．）：、Ｃｄ?＿）、（．ｅ）、ｈ）：：＞??（ｉ）均保留了强度和偏振倩息＃一＿细节爵息也得以??保留，相比较而甯，藤３（ｃ）所示的ＦＷＡ方法具有更??好的视觉弟：果，Ｗ木、汽车的纹理信息丰富，图像均??匀，可以识别不同的区域，方便地识别红外目标，如??Ｓ车．、树乘等??表４显示了图３中７种融合方法的客观评价结??果１从该表可以看出，ＦＷＡ方法的ＲＥ、ＦＳＳＩＭ指标??表４?“ｇｒｏｕｎｄ”的红外强度和偏振度图融合结果客观评价??Ｔａｂｌｅ?４?Ｏｂｊｅｃｔｉｖｅ?ａｓｓｅｓｓｍｅｎｔ?ｏｆ?“ｇｒｏｕｎｄ”?ｉｎｆｒａｒｅｄ?－??ｐｏｌａｒｉｚａｔｉｏｎ?ｆｕｓｉｏｎ?ｒｅｓｕｌｔｓ??Ｍｅｔｒｉｃｓ??ＲＥ??ＦＳＳＩＭ??ＦＭＩ??ＦＷＡ??０．?７７７４??１．４１４９??１．５４６２??ＬＰ??１．?２２４５??１．３５３２??１．０９６４??ＧＰ??１．?７６４５??１．４０９０??１．
４期??陈．卫＿ｉ：．詹Ｔ?ＦＷＡ贿红养偏據謝象翁愈赢合ａ＊??５２９??均Ｒｆ其他方法ｅ?ＦＭＩ指标仅低于ＰＣＡ方法，高于??其他方法。茵此，该方法的Ｈｉ合錯果包含了较多的??禪價像特征＿儋．真，業个融含鹰像漬晰，．对比度??良好。??画４显沄的是来自文献：］；４?４Ｊ的关于伪装网测??量釣红外图像（称为“ｔｒａｃｋ”）的融合实验结果＾??从Ｂ?４（ａ－ｂ．）可以清楚地看到两幅图像特征互补。??在偏振度图像【图４（Ｌ））中，卡车前面覆盖有伪装??网的苜标明显，而在，围４（?ａ）中由于道路的褰度高??于Ｓ标．，几乎看不到目标。然而，强度图像（：图４??（ａ〕）确实显麻了更猜晰的云、树和地面边缘，而??：襃Ｓ?（左卡：牢（＇中＇）和建筑（有）的屋檐具有筻高??＿蠢獻《??画４?Ｃｄ）、（ｇ）結合了篇檐、道路、卡卒、建筑和??被伪装裏盖的物体等所有裔靄度物体．．并具有Ｍ??都一致性，但有许多变形，如云、中间屋檐和道??路、。图４（ｅ－ｆ）：、（ｈ－ｉ）对树都有畸变。在图４Ｕ）??中，所有来在原始圈像的明亮物体都被保留下来，??外观没有太大的扭曲边緣和细节也．着哳像质??鐘儀：好，０：??表：５麗示＿?了＇图４中７种融合＝方法的客观评价??结果。从该表可以看出，ＦＷＡ方法得到的融合图??的ＲＥ、ＦＭＩ指标优于其他方法，ＦＳＳＩＭ指标好于除??ＰＣＡ外的其他方法ｓ该方法的融合结皋包含了较??多源图像特征信息，图像清晰，对比度良好。??表５?“ｔｒｕｃｋ”的红外强度和偏振度图融合结果客观评价??Ｔａｂｌｅ?５?Ｏｂｊｅｃｔｉｖｅ?ａｓｓｅｓｓｍｅｎｔ?ｏｆ?“ｔｒｕｃｋ”?ｉｎｆｒａｒｅｄ?－?ｐｏ？??
【参考文献】：
期刊论文
[1]可变元素与矩阵理论结合的双模态红外图像拟态融合[J]. 吕胜,杨风暴,吉琳娜,王向东. 光电工程. 2018(12)
[2]红外光强与偏振图像多类拟态变元组合融合[J]. 吕胜,杨风暴,吉琳娜,焦玉茜. 红外与激光工程. 2018(05)
[3]红外偏振与光强图像的拟态融合原理和模型研究[J]. 杨风暴. 中北大学学报(自然科学版). 2017(01)
[4]非下采样剪切波的红外偏振图像融合[J]. 周强,赵巨峰,冯华君,徐之海,李奇,陈跃庭. 浙江大学学报(工学版). 2014(08)
[5]模糊逻辑与特征差异驱动的红外偏振图像融合模型[J]. 安富,杨风暴,牛涛. 红外技术. 2014(04)
[6]粒子群进化学习自适应双通道脉冲耦合神经网络图像融合方法研究[J]. 李奕,吴小俊. 电子学报. 2014(02)
[7]基于DWT的红外偏振与光强图像的融合[J]. 安富,杨风暴,李伟伟,周萧. 光电技术应用. 2013(02)
[8]基于小波包变换的中波红外偏振图像融合研究[J]. 陈伟力,王霞,金伟其,李福文. 北京理工大学学报. 2011(05)
[9]一种遗传搜索块寻优的不同聚焦点图像融合算法[J]. 张新曼,韩九强,王勇. 电子与信息学报. 2006(11)
[10]一种基于形态金字塔的遥感影像融合方法及其性能评价[J]. 邹勤,贾永红. 武汉大学学报(信息科学版). 2006(11)
硕士论文
[1]PCNN与粗集理论在生物细胞图像处理中的应用研究[D]. 林冬梅.兰州大学 2009
本文编号：3343503
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3343503.html
