基于改进的BEMD的红外与可见光图像融合方法

发布时间：2022-01-13 12:13

　　将红外图像与可见光图像融合在一起,可增强视觉效果,使人产生更完整的场景感知。基于二维经验模态分解（Bidimensional Empirical Mode Decomposition,BEMD）的图像融合方法运行时间较长,因此,文中提出了一种基于改进的二维经验模态分解的红外与可见光图像快速自适应融合方法,采用顺序统计滤波器和高斯滤波器直接生成均值包络曲面,从而加速图像的分解过程。首先,将可见光图像转化到HIS（Hue-Intensity-Saturation）颜色空间;然后,用改进的BEMD对强度分量I和红外图像进行分解,生成高频分量和低频分量,高频分量和低频分量分别采用自适应局部加权融合规则和算术平均融合规则;最后,将强度分量I与红外图像的融合结果图经过逆HIS变换到RGB颜色空间,从而得到融合图像。仿真实验表明,该融合算法不仅运行速度快,而且融合效果最佳,最大程度地保留了红外图像的边缘细节特征和可见光图像的光谱信息。 

【文章来源】：计算机科学. 2020,47(03)北大核心CSCD

【文章页数】：6 页

【图文】：

基于改进的BEMD的红外与可见光图像融合方法的框图

采用OCTEC图像数据集作为测试图像,一共有25组红外与可见光图像,本文选择其中两组图像进行实验仿真。将本文融合算法与其他4种融合算法进行对比,融合结果如图2和图3所示。其中,图(a)为红外图像;图(b)为可见光图像,图像大小为640*480;图(c)是基于BEMD的融合效果图;图(d)是基于FABEMD的融合效果图;图(e)是基于FAB-MEAN的融合效果图;图(f)是基于FBEMD的融合效果图;图(g)是本文融合算法的结果图。实验也采用了标准差、互信息量、边缘信息保留值、加权融合质量因子和算法运行时间等客观指标来评价各融合算法的性能。图3 第二组源图像和融合结果图

图2 第一组源图像和融合结果图在图2和图3中,图(a)-(e)的融合效果均可显示出烟雾中奔跑的微小人物,但对于烟雾浓密区域的融合效果较差,边界突兀。BEMD的融合结果图丢失了部分小细节,FABEMD的融合图有明显的局部块效应,FAB-MEAN的融合结果图提取了较多的红外信息。FBEND的融合效果出现了不稳定现象,其在图2(f)中对烟雾的去除效果好,显示出目标人物,但在图3(f)中对烟雾的去除效果差。图(g)是本文融合算法的结果图,可显示出烟雾中的人物,同时色彩分布均匀,边界连贯,最大程度地保留了可见光图像的色彩信息和红外图像的边缘轮廓,有最佳的视觉效果。


本文编号：3586403