应用整体结构信息分层匹配的红外与可见光遥感图像融合方法

发布时间：2021-08-29 12:23

　　现有红外与可见光图像融合方法,侧重于将可见光图像的空间细节注入红外图像,往往由于空间细节的不当注入导致融合图像中部分地物模糊不清。此外,航天器红外与可见光成像分辨率往往相差很大,现有方法未考虑其分辨率差异,生成的融合图像细节模糊不清。为此,文章从消除红外与可见光图像的整体结构信息差异角度,提出应用整体结构信息分层匹配的图像融合方法。利用融合方法对天宫一号（TG-1）目标飞行器的红外和可见光图像数据进行图像融合,并将获得图像与图像分解法、总体变分法和频率变换法获得图像进行比对,结果表明:文章提出的融合方法获得的图像光谱与细节保真效果好,优于对比方法。 

【文章来源】：航天器工程. 2020,29(01)北大核心CSCD

【文章页数】：5 页

【部分图文】：

图像融合方法实现过程

人眼视网膜含有锥状体和杆状体两类感光细胞,其中,锥状体获取的信息可以使人充分的分辨物体的空间细节,杆状体获取的信息可以使人充分地分辨物体的整体结构。借鉴人眼信息处理的机制,本文将图像数据分为整体结构信息和空间细节信息:整体结构信息是图像的低频成分,主要反映图像数据的整体趋势;空间细节信息的变化波动较剧烈,主要描述图像纹理和细节。图2展示了原始图像、整体结构和空间细节信息的特点,其中,整体结构信息的走势较平滑,空间细节信息则围绕着数值0上下剧烈波动。红外图像的分辨率较低,可见光和红外图像融合的目标是利用可见光图像的空间细节锐化红外图像,因此两者融合也被称为可见光锐化(Panshar-pening)[2]。可见光和红外图像融合只能从可见光图像中抽取空间细节信息来锐化红外图像,若引入可见光图像的整体结构信息则会改变红外图像中目标的温度特性,引起温度失真。此外,融入至红外图像的空间细节信息须与可见光图像保持一致,否则容易导致融合图像的空间细节模糊不清。根据上述整体结构和空间细节信息的特点,本文利用高斯滤波计算图像的整体结构信息,并将原始图像减去整体结构信息得到空间细节信息,见式(1)。

文献[9-11]是目前最新发表的可见光与红外图像融合方法,分别为图像分解法、总体变分法和频率变换法。这些方法均采用加性变换思路进行融合,侧重高效提取可见光图像的空间细节信息并将之注入至红外图像中。在试验中,将这3个方法与本文融合方法进行对比分析,结果如图3(c)～图3(f)所示。通过对比红外图像与融合图像的空间细节可以发现:图像分解法、总体变分法、频率变换法生成的融合图像存在一定程度的细节模糊,而本文融合方法获得的融合图像的温度与细节保真效果均较好。表1给出了融合图像的客观评价值,可知本文融合方法在温度保真、细节保真及综合保真方面均优于对比方法。表1 图像融合质量定量评价Table 1 Quantitative evaluation of image fusion quality 融合方法 Ds Dλ QNR 图像分解法 0.201 0.210 0.631 总体变分法 0.142 0.232 0.659 频率变换法 0.153 0.190 0.686 本文融合方法 0.108 0.102 0.801


本文编号：3370650