《圖像融合處理軟件實現(xiàn)（論文）》

緒論1.1研究背景及意義圖像是信息的工具，是數(shù)據(jù)表達的一種形式。在實際生產(chǎn)中得到了廣泛的應(yīng)用。隨著信息科學(xué)的發(fā)展，人們獲取圖像的手段越來越多樣化，圖像質(zhì)量越來越高，對場景信息的描述也越來越完整，傳感器技術(shù)有了質(zhì)的飛躍，大大提高了響應(yīng)速度，實時獲取信息，提高了處理速度傳感器。隨著性能的提高，信息的準(zhǔn)確性和應(yīng)用效果逐漸穩(wěn)定。但是，由于傳感器本身的局限性，單個傳感器不能在場景中完整、全面地描述，而是通過多個傳感器來采集信息。不同傳感器的圖像處理不同，對場景信息的描述也有很大的差異。為了克服單一傳感器的缺點，圖像融合理論逐漸進入人們的視野，作為一種有效的信息分析手段，融合處理使場景中的信息更加全面和豐富，通過融合處理可以采集不同的圖像來獲得新的圖像。該圖像提高了信息利用率，增加了人們對場景的感知和理解，融合過程解決了傳感器在信息獲取中缺乏完整性的問題，降低了傳感器性能的依賴性，降低了對場景信息的依賴性，正確描述了場景信息，提高了對場景信息的理解能力全面。同時，提高了場景的可靠性，廣泛應(yīng)用于醫(yī)學(xué)、遙感、軍事和計算機視覺等領(lǐng)域?？梢姽馀c紅外圖像的融合是融合理論的重要組成部分。光學(xué)和紅外傳感器獲得的光和紅外圖像有明顯的差異。光學(xué)圖像通過反射機制捕獲圖像。由于光照較好，它們具有較高的對比度和圖像分辨率。阻力減小。當(dāng)日照條件不理想時，如出現(xiàn)“相機性能降低”、“產(chǎn)生自然霧氣”和“云層遮擋”等問題，圖像就會失去效果，而圖案、場景細節(jié)中遮擋部分信息的丟失對后續(xù)的檢測和識別服務(wù)有很大的影響。紅外圖像是由熱輻射原理形成的。目標(biāo)溫度越高，紅外圖像對場景信息的描述就越明顯，光與周圍環(huán)境的依賴性不僅降低了程度，而且提高了圖像的外部屏障功能，圖像信息收集可以隨時隨地進行。但是，由于紅外圖像對比度低、清晰度低、視覺效果差，使得紅外圖像能夠?qū)δ繕?biāo)進行識別，在分析時會遇到一些困難，此時就需要引入圖像處理軟件，對圖像進行算法分析，利用算法計算來改變圖像的識別力。1.2國內(nèi)外研究現(xiàn)狀圖像融合最早出現(xiàn)于人們的視線是在1985年LANDSAT-TM圖像和SPOT雷達圖像的融合。20世紀(jì)80年代初，圖像融合領(lǐng)域，其中包括醫(yī)學(xué)圖圖像融合技術(shù)的研究呈現(xiàn)升溫趨勢，逐漸廣泛地應(yīng)用到多源像融合、紅外與可見光圖像融合和多聚焦圖像融合等領(lǐng)域。20世紀(jì)80年代以后，圖像融合技術(shù)的研究進入高潮階段，各國學(xué)者紛紛提出了各式各樣的融合方法1983年，P.J.Burt提出了基于拉普拉斯金字塔變換的圖像融合算法，這是最早的基于變換域的圖像融合算法。隨后，A.Toet又分別提出了基于比率低通金字塔變換、對比度金字塔變換和形態(tài)學(xué)金字塔變換的圖像融合算法。20世紀(jì)90年代初，小波變換技術(shù)被廣泛地應(yīng)用于圖像融合處理，克服了基于金字塔變換的圖像融合方法產(chǎn)生大量冗余數(shù)據(jù)等缺點。20世90年代中期，Seldens等學(xué)者提出了提升小波變換。與基于金字塔變換的圖像融合算法相比，基子小波變換的圖像融合算法的融合效果得到了提升。近年來，國內(nèi)外相關(guān)領(lǐng)域的學(xué)者們將多尺度幾何變換應(yīng)用到了圖像融合領(lǐng)域中。2007年，NenciniF.等人將Curvelet變換應(yīng)用到遙感圖像融合中，融合效果優(yōu)于基于小波變換的圖像融合算法。劉盛鵬等人提出了一種基于Contourlet變換和改進的脈沖耦合神經(jīng)網(wǎng)絡(luò)(ImprovedPulseCoupledNeuralNetwork,IPCNN)的紅外與可見光圖像融合算法，該算法獲得了很好的視覺效果。屈小波等人提出了一種基于SFLCT變換和改進拉普拉斯能量和的多聚焦圖像融合算法，融合效果優(yōu)于基于Contoulet變換的圖像融合算法，但融合圖像引入了“偽影”。也有學(xué)者提出了一種基于NSCT的多聚焦圖像融合算法，以及一種基于NSCT和空間頻率激勵脈沖耦合神經(jīng)網(wǎng)絡(luò)(PulseCoupledNeuralNetwork,PCNN)的圖像融合算法，融合效果優(yōu)于基于Cntourer變換和SFILCT變換的圖像融合算法，但算法運行時間長。王朝輝等人提出了一種基于Shearlet變換和PCNN的圖像融合算法，融合效果優(yōu)于基于NSCT變換的圖像融合算法，但融合圖像同樣引入了“偽影”。高國榮等人提出了一種基于NSST變換的紅外與可見光圖像融合算法，融合效果優(yōu)于基于Shearlet變換的圖像融合算法。上述圖像融合算法的提出，部分地驗證了多尺度幾何變換不僅能夠繼承小波分析的優(yōu)良特性，還能克服小波變換的缺點，從而對圖像進行更優(yōu)的描述。然而總體來說，多尺度幾何變換理論還處于初步階段，其在圖像融合領(lǐng)域的應(yīng)用仍需進步研究與擴展。最近一段時間，隨著低秩矩陣理論和機器學(xué)習(xí)算法的持續(xù)發(fā)展，基于該理論的圖像融合算法也開始嶄露頭角，并且取得了很好的效果。1.3論文主要內(nèi)容及結(jié)構(gòu)安排第一部分從信息融合的角度討論了基于融合的圖像信息獲取方法。本文介紹了數(shù)據(jù)融合的基本概念、應(yīng)用及國內(nèi)外研究動態(tài)。從紅外成像原理的本質(zhì)出發(fā)，分析了紅外熱成像的特點，以期獲得更高質(zhì)量的圖像，為后續(xù)的高水平處理提供依據(jù)。討論了常見的可見光與紅外圖像融合成像特性以及常用的圖像處理方法，闡述了融合圖像效果的主客觀評價方法，并對兩種評價方法進行了詳細的公式分析。第三章則具體闡述了三種算法的變換原則以及公式計算，最后在第四章利用軟件對拍攝圖像進行三種算法的處理分析，并對處理效果進行了分析和評價。第五章為總結(jié)與展望，對本次圖像處理軟件的設(shè)計進行總結(jié)，對后續(xù)工作以及軟件的后續(xù)開發(fā)進行展望。紅外與可見光圖像融合2.1紅外圖像與可見光圖像的成像特性由于紅外和可見光的焦距不同，兩幅圖像上空間物體的圖像大小也不同，紅外/可見設(shè)備系統(tǒng)的使用在Y方向上存在偏差，即使通過聚焦調(diào)整圖像大小也步伐徹底解決這類問題。可見光傳感器可以通過不同的物體反射光的能力來進行成像，其工作波長為380nm-780nm，眼睛對其識別更方便，作為一個可識別的波段感知范圍。可見光圖像反映了物體表面反射可見光的能力，但可見光傳感器易受環(huán)境因素的影響，在惡劣天氣條件下成像能力差，紅外圖像傳感器可以檢測到溫度與背景的差異來確定熱目標(biāo)。目的：紅外圖像傳感器通常工作在8-14μm波長范圍內(nèi)，依賴于紅外輻射。紅外成像技術(shù)以圖像的形式在人體表面顯示熱信息。因為不同的物體或物體的一部分。它們通常具有不同的熱輻射特性，紅外熱成像可以區(qū)分目標(biāo)和背景。紅外傳感器的成像不依賴于外部照明條件，可用于不同的環(huán)境。它可以在24小時內(nèi)工作，但紅外圖像的分辨率通常較低，立體感弱，對傳輸距離和大氣衰減敏感。因此，紅外傳感器本身會被內(nèi)部或是外部環(huán)境影響紅外圖像的對比度和視覺效果。針對可見光圖像和紅外圖像的優(yōu)缺點，將它們結(jié)合起來可以豐富圖像信息，提高圖像的分辨率，增強圖像的光譜信息，全面清晰地表達圖像，彌補單傳感器在場景表達上的片面缺陷。2.2常用圖像融合的方法圖像融合綜合利用源圖像中的互補信息，改善了單傳感器圖像圖像可視化的缺陷，使場景和目標(biāo)信息更加準(zhǔn)確可靠，有利于根據(jù)階段綜合獲取場景中的信息，研究對象和融合要求在整個融合過程中，根據(jù)不同的應(yīng)用場合或源圖像，從三個方面對圖像融合進行分類。根據(jù)圖像源的不同，圖像融合可以分為相似傳感器圖像融合和多傳感器圖像融合是的，前融合圖像是由同一傳感器采集的，不同的操作條件是不同的。下一幅融合圖像由不同的傳感器采集。本文將紅外和可見光圖像融合到不同的多傳感器圖像融合中，需要注意的是，遙感圖像融合可以融合圖像傳感器和不同傳感器圖像的同時平移。根據(jù)圖像融合處理的領(lǐng)域，圖像融合可分為單尺度圖像融合和多維圖像融合，多尺度圖像融合中的單尺度圖像圖像融合，首先將源圖像經(jīng)過一定的數(shù)學(xué)變換分解成一系列多尺度圖像，然后再進行相應(yīng)的處理采用融合規(guī)則，對相應(yīng)的子帶圖像進行融合。最后通過各種變化得到融合圖像?；诙喾矫娴淖兓?，本文研究了圖像融合階段、圖像融合階段，根據(jù)研究對象和信息提取程度，將圖像融合分為三個層次。像素級圖像融合、特征級圖像融合和決策級圖像融合。2.3圖像融合質(zhì)量評價圖像融合質(zhì)量評價是圖像融合領(lǐng)域的一項非常重要的研究工作。通過對各種性能指標(biāo)的評價，綜合評價了圖像融合方法和圖像融合的質(zhì)量和效果。評價方法通常分為主觀評價和客觀評價，主觀評價分為主觀評價和客觀評價，圖像質(zhì)量的評價是通過人們對眼睛的觀察來進行的。評價結(jié)果準(zhǔn)確可靠，符合人類視覺感知的特點。然而，對形象的主觀評價一般是由受過教育的專業(yè)人員參與的。不同的圖像質(zhì)量評價專家對同一幅圖像可能有不同的評價結(jié)果?？陀^評價通過量化評價標(biāo)準(zhǔn)來衡量圖像的各種特征值或標(biāo)準(zhǔn)圖像與客觀評價圖像質(zhì)量的差異?？陀^評價標(biāo)準(zhǔn)計算方便，評價標(biāo)準(zhǔn)很多，但缺點是相對機械化。現(xiàn)階段，很難滿足人類視覺感知的要求。為了評價圖像質(zhì)量的準(zhǔn)確性和有效性，客觀的評價標(biāo)準(zhǔn)和人的視覺感知能力總是結(jié)合在一起的。這是圖像質(zhì)量評價的主要研究工作，也是未來的發(fā)展趨勢。2.3.1主觀評價主觀評價是指觀察者根據(jù)自己的經(jīng)驗或一定的標(biāo)準(zhǔn)對圖像進行評價。評價結(jié)果不僅評價圖像的特征，還涉及評價者的經(jīng)驗和評價環(huán)境。圖像質(zhì)量評價者通過對處理經(jīng)驗的觀察，收集到豐富的圖像，可以發(fā)現(xiàn)對圖像質(zhì)量的嚴格判斷，甚至可以發(fā)現(xiàn)圖像質(zhì)量下降的細節(jié)。表2.2給出了世界上常用的5級質(zhì)量分數(shù)，主觀評價結(jié)果表明，一定數(shù)量的觀察者的平均質(zhì)量分數(shù)由式（2.1）定義。······（2.1）表圖像主觀評價標(biāo)準(zhǔn)質(zhì)量分數(shù)妨礙尺度質(zhì)量尺度5絲毫看不出圖像質(zhì)量變壞很好4可看出圖像質(zhì)量變化但不妨礙觀看好3明顯地看出圖像質(zhì)量變壞一般2圖像質(zhì)量對觀看有妨礙差1圖像質(zhì)量對觀看有嚴重妨礙很差2.3.1客觀評價主觀評價方法在評價融合圖像時容易受到測試人員和測試環(huán)境的影響，由于需要專家參與，實際應(yīng)用困難。在客觀評價方法中，通過數(shù)學(xué)模型的計算來衡量算法的融合效果，并對視覺系統(tǒng)的感知機理進行仿真，對融合圖像的質(zhì)量進行評價。與主觀評價方法相比，圖像的客觀評價指標(biāo)可以定量評價圖像融合效果，便于融合算法的比較和選擇。客觀評價方法是一種低成本、高實時、定量、客觀的評價方法。融合實驗中常用的客觀評價指標(biāo)有幾個。標(biāo)準(zhǔn)偏差（STD）。標(biāo)準(zhǔn)差表示圖像像素之間的差異，值越大，差異越大，融合效果越好。標(biāo)準(zhǔn)偏差的定義見表達式（2.2）。··············（2.2）融合圖像F的大小為MN，F(xiàn)1為融合圖像的平均灰度值。 信息熵(InformationEntropy，IE)。信息熵表示圖像信息的豐富程度，信息熵越大，說明圖像的信息越豐富，融合效果越好。信息熵定義如公式(2.3)所示·······························(2.3)表示像素灰度的概率分布，圖像共有L級灰度，為第i級灰度值的概率。平均梯度(AverageGradient，G)。平均梯度反映了圖像的清晰度和細節(jié)信息的豐富程度。其值越大，圖像邊緣越明顯，融合算法的性能就越好。其定義如公式(2.4)所示。··········(2.4)其中，，分別表示融合圖像F的像素（i，j）在想，y方向上的一部分，圖像大小為N*M，G表示像素（i，j）處的平均梯度。(4)空間頻率(SpatialFrequency，SF)。圖像的空間頻率與圖像的標(biāo)準(zhǔn)基本相同，反映了圖像空間的整體活動。圖像的空間頻率越大，圖像的細節(jié)信息越豐富，融合算法的性能越好。圖像的空間頻率定義如公式(2.5)所示?！ぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁぁ?2.5)其中，RF和CF分別表示融合圖像F的空間行頻率和空間列頻率，定義如公式(2.6)所示。·························(2.6)本章首先介紹了可見光圖像和紅外圖像的特點。然后介紹了圖像融合的主要預(yù)處理過程。包括圖像消噪和圖像匹配標(biāo)準(zhǔn)。其次，從圖像源、融合方法和融合層次三個方面介紹了圖像融合的分類。最后介紹了融合結(jié)果的評價方法。包括主觀評價方法和客觀評價方法，以及一些客觀評價標(biāo)準(zhǔn)，如標(biāo)準(zhǔn)差、信息熵、平均硬度、空間頻率、互信息、邊緣保持等。第三章圖像融合處理算法設(shè)計3.1基于空間變換的彩色融合方法與灰度圖像相比，彩色圖像具有更高的動態(tài)范圍，增加了信息傳輸?shù)拇螖?shù)。色彩調(diào)節(jié)是本章的研究重點之一。在不增加現(xiàn)有技術(shù)難度的前提下，對光圖像和紅外圖像進行融合，使其獲得更好的觀測效果，實現(xiàn)有效的色彩調(diào)節(jié)，從而找到符合人類視覺體驗的融合圖像，并開發(fā)出具有自然色彩融合效果的圖像融合算法，吸引人們的注意力注意。圖像空間在計算機上通過軟件分析色差和色差，顏色空間主要包括顏色空間、顏色空間、顏色空間、顏色空間、顏色空間等，可以相互切換。色域廣泛應(yīng)用于計算機，它由紅、綠三種藍色組成，可產(chǎn)生10000種顏色。有時，色彩空間不能反映人們對色彩的視覺感知，可以轉(zhuǎn)化為人們的眼睛，使其更具感知色彩空間。例如，在許多圖像處理應(yīng)用中，顏色空間的選擇是非常重要的。我們可以看到不同顏色空間中不同對象的特征，一個顏色空間可以得到更好的效果。IHS色彩空間是從視覺系統(tǒng)出發(fā)，物體的顏色通過彩色三要素色調(diào)（H）、飽和度（S）和亮度（I）來描述色彩。用圓錐模型(圖4.3)這種描述IHS色彩空間的相當(dāng)復(fù)雜，但確能把色調(diào)、亮度和飽和度的變化情形表現(xiàn)得很清楚。圖3-1IHS圓錐空間模型IHS顏色空間轉(zhuǎn)換方法是目前應(yīng)用最廣泛的遙感圖像融合方法之一。與RGB顏色空間相比，它更符合人們的視覺特征。一些圖像處理中的顏色恢復(fù)算法可以方便地應(yīng)用于IHS顏色空間。由于每個通道都可以獨立處理，所以超密度或多光譜傳感器的圖像可以很容易地處理，并且圖像可以獨立處理，因此可以大大簡化IHS顏色空間中圖像分析和處理的工作量。從RGB空間到IHS空間的轉(zhuǎn)換公式··································（3-1）從IHS彩色空間到RGB空間的三基色的轉(zhuǎn)換公式為當(dāng)時············（3-2）當(dāng)時···········（3-3）當(dāng)時···········（3-4）基于IHS變換方法的圖像融合過程，首先用IHS變換圖像的RGB化身，提取該分量，平衡光度分量的直線度，并給出新的亮度。最后，新的曝光分量將IHS反轉(zhuǎn)，生成完整的融合圖像。IHS顏色空間系統(tǒng)中的三個分量是相對獨立的，可以分別控制，以準(zhǔn)確的數(shù)字來描述顏色特性。圖3-2基于IHS變換法的圖像融合框圖3.2小波變換小波紋變換的發(fā)展是基于pripler變換的。它比傅里葉變換有優(yōu)勢。這在公共領(lǐng)域和時間站上都有很好的文化特色。他的本地化形式會隨著頻率而自動改變。在高頻所在的地方，由于時間窗比較窄，從低頻獲得的窗口比較寬，小浪可以改變高頻信號，隨著時間段或空域的長度逐漸細化，聚焦在信號的每一個細節(jié)部分。可觀測量分析這可以將信號分解成與時間和空間無關(guān)的部分，而不丟失原始信號信息，并找到一個靜態(tài)，從而實現(xiàn)信號的非單調(diào)分解。變換沙發(fā)和傅里葉變換在數(shù)學(xué)表達式上是不同的。它根據(jù)信號的高頻分量和低頻分量的特點，分別采用不同的大功率濾波器和低通濾波器對信號進行處理，并重復(fù)這樣的濾波器來消除永久性頻率分量的信號，非常適合處理不安全信號、模型識別，計算機視覺圖像和信號處理應(yīng)用廣泛。圖像的小波變換是指對圖像進行二維離散小波變換，分段波變換不是連續(xù)小波變換的簡單采樣，而是為實現(xiàn)更完整的可逆變換提供了很好的困難。這為信號分析和信息合成提供了大量的信息。與連續(xù)短波變換相比，分散變換在算法上有更好的效果。同時，它可以減少計算機資源的消耗和計算算法的改進，提高圖像處理速度是的，通過對圖像進行多分辨率分析，通過短波變換，可以將焦點集中在圖像的任何細節(jié)部分。二維圖像去噪的過程可以理解為利用一維元素的低通濾波器和高通濾波器以及圖像的矩陣分別形成維數(shù)，然后形成相應(yīng)的樣本。小波圖像的重建首先安排在相鄰的行或列之間，或者解釋為插入列。也就是說，從矩陣中提取樣本后，使用一維低苦濾波器，根據(jù)熱尺度對原始圖像進行整形。二維圖像的行和列可以分離。簡化了圖像的小波段轉(zhuǎn)換。通常不同的濾波器稱為小波段轉(zhuǎn)換函數(shù)。根據(jù)小波分解和重構(gòu)理論，如圖所示，用一層二維沙發(fā)對圖像進行變換和分解，可以得到圖像的四個不同的頻帶，分別是。其中代表圖像的低頻帶，它包含了原圖像的輪廓信息。分別包含現(xiàn)有圖像水平方向、垂直方向和對角線方向的高頻信息，以顯示圖像的詳細信息；其次，如圖所示，它對圖像進行分解，依次對圖像進行多層分割，并在分層是時獲取頻率信息。這就是為什么小浪可以專注于圖像的所有細節(jié)。圖3-3一次離散小波變換后的頻率分布圖3-4兩層小波變換后的頻率分布圖像融合的基本思想是將圖像變換成一個小的波紋。首先需要融合的兩幅圖像被分割成二維的小漣漪。在小漣漪的變換區(qū)域，比較每幅圖像的細節(jié)信息或全部信息，在不同的標(biāo)準(zhǔn)中選擇合適的融合規(guī)則，選擇實現(xiàn)圖像融合提取重要的沙發(fā)系數(shù)，最后融合信息，并將其轉(zhuǎn)化為小漣漪。數(shù)據(jù)融合后，圖像將被帶出。通過沙發(fā)變換，對圖像進行分解，得到圖像的低頻和高頻部分。在小范圍內(nèi)，分別處理這兩部分可以在不改變圖像低頻部分的相關(guān)性和一致性的情況下，提高圖像的高頻信息。這就是小波變換的優(yōu)點。經(jīng)過分解后，不同的融合規(guī)則可以應(yīng)用于不同的頻域，得到一幅合成圖像。在融合結(jié)果中，保持了原始圖像不同頻率區(qū)域的特征，紅外圖像對外界光線的變化不敏感。這是圖像中物體各部分的祝福，它散發(fā)出熱量的差異，獲得圖像的細節(jié)。因此，紅外圖像通常是灰色的，光線暗，圖像質(zhì)量差，噪聲比低，目標(biāo)與背景對比度低，邊緣不清晰?？梢姽鈭D像的對比度比較高，圖像可以獲得包括目標(biāo)細節(jié)在內(nèi)的很多信息，但當(dāng)特技發(fā)生時，會干擾圖像信息的獲取，而且由于尺寸較大，可見光和紅外圖像光譜的差異較大，在匹配密度不高的情況下，采用常用的融合算法很難獲得較好的融合效果?；谛〔ㄗ儞Q的圖像融合能夠有效地突出圖像的細節(jié)和特征信息。小漣漪的融合可以有效的融合可見光和紅外圖像的細節(jié)，有效的融合人眼視覺，可以得到更多的特征匹配效果。融合效果的關(guān)鍵是選擇合理的融合規(guī)則。低頻融合規(guī)則的選擇：小波分解后的低頻系數(shù)反映了該頻率下圖像的總體情況，代表了圖像的近似部分。低頻小波系數(shù)的融合規(guī)則包括加權(quán)平均法和大值法，通常根據(jù)具體圖像和應(yīng)用目標(biāo)來確定；高頻融合規(guī)則的選擇：小波分解得到的高頻系數(shù)值通常在零附近波動。在這些不同的子帶中，系數(shù)值越大，對應(yīng)位置的亮度變化越強，如邊緣、直線、圖像輪廓等重要特征。3.3加權(quán)平均融合策略圖像庫包含了源圖像的能量信息，體現(xiàn)了圖像的重要特征。根據(jù)視覺的機制，人們的眼睛可以在復(fù)雜的場景中自動選擇感興趣的區(qū)域，而忽略不感興趣的區(qū)域。通過處理和選擇，可以快速去除不必要的成分，提取和識別重要信息。視覺意義是指場景中信息的特殊性，是通過比較細節(jié)、目標(biāo)和背景之間的差異而獲得的相對概念，而利用顯著性檢測原理對圖像數(shù)據(jù)進行分析，模擬人的視覺注意機制，不僅可以預(yù)測人的視覺注意信息的面積，還可以揭示人的注意的細節(jié)和輪廓，對后續(xù)的圖像處理和目標(biāo)任務(wù)的實現(xiàn)起到促進作用。因此，為了突出融合結(jié)果中的顯著性特征，該算法通過對圖像的顯著性檢測，在基本層次上設(shè)計融合規(guī)則。顯著性檢測是模擬人類視覺系統(tǒng)，遵循生物學(xué)特性，實驗表明，現(xiàn)有的與圖像處理相關(guān)的規(guī)則和原理可以用于顯著性檢測，其中高頻抑制原理是一種常用的顯著性檢測方法。通過對高頻信息的控制，稀有特征越來越受到重視，是的，通過平衡值濾波器和導(dǎo)頻濾波器，得到了兩種不同的傳播結(jié)果：······························（3-5）其中，,分別表示圖像均值濾波和引導(dǎo)濾波過程，、為濾波結(jié)果。為均值濾波窗口大小。為輸入圖像，為引導(dǎo)圖像，本算法中選擇源圖像作為引導(dǎo)圖像，、為引導(dǎo)濾波的半徑和正則化參數(shù)。圖像濾波的結(jié)果包含不同的高頻信息。平均濾波使圖像模糊，而引導(dǎo)濾波使邊緣平滑。此時，通過二者的差值構(gòu)建高通圖像高通圖像包含豐富的紋理細節(jié)與結(jié)構(gòu)信息，為了使得顯著特征更加突出，對高通圖像進行高斯濾波獲取顯著圖：通過顯著性檢測，在顯著性圖中充分反映了源圖像的主要結(jié)構(gòu)和目標(biāo)信息。為了使融合后的基本元件包含更重要的信息，利用顯著圖nS構(gòu)建初始權(quán)重圖通過直接比較像素的有效值來確定權(quán)重，得到的權(quán)重圖往往存在圖像邊緣不一致的問題。初始權(quán)值圖的加權(quán)平均結(jié)果會出現(xiàn)明顯的誤差。為了避免邊緣一致性差的問題，利用制導(dǎo)濾波器對初始權(quán)值圖的一致性進行了測試。第四章紅外與可見光圖像彩色融合在前兩章中，紅外和可見光光源圖像是灰度圖像，融合結(jié)果是灰度圖像，但在人眼中只能識別幾十個灰度級。當(dāng)目標(biāo)物體的灰度接近背景灰度時，利用人眼判斷目標(biāo)。特別是在一些難以觀察的情況下，更難關(guān)心目標(biāo)的輪廓，而人的視角對顏色信息更為敏感。通過彩色圖像，人們的眼睛可以快速地感知到圖像在各個波段的特征信息，更重要的是，他們可以通過顏色增強與背景的差異來感知目標(biāo)目標(biāo)，提高目標(biāo)的感知能力和場景信息有利于人類的視覺識別。因此，灰度圖像的彩色化提高了灰度級的動態(tài)觀測范圍，有助于人們更好地進行目標(biāo)識別和場景理解，紅外和可見光圖像的彩色融合也是紅外和可見光圖像融合的一個重要研究方向。本章在灰度圖像融合的基礎(chǔ)上，實現(xiàn)了紅外與可見光的顏色融合，結(jié)合紅外圖像的閾值分割，對背景區(qū)域和目標(biāo)區(qū)域采用不同的顏色變換方法，對熱羽毛的可見光和紅外圖像進行顏色融合。4.1紅外與可見光圖像的彩色融合方法目前，彩色圖像融合方法主要有兩種。一是假彩色的融合。融合圖像的顏色信息可以通過兩幅灰度圖像的灰度級來改變。該方法簡單、快速，具有明顯的視覺效果?；叶纫部梢宰R別小像素，但融合圖像的顏色不是圖像的原色，而是顏色分布不好，這符合自然場景，人們的視覺理解不容易。其他的方法是色彩交流。彩色融合圖像的顏色信息來源于已知的彩色圖像。融合后的彩色圖像的顏色分布更符合自然場景，但參考圖像的選擇依賴性更強。在本研究中，利用熱陰影機對光進行可視化，可以直接采集彩色圖像，并將光圖像的顏色信息通過顏色傳輸?shù)饺诤辖Y(jié)果中。融合圖像的顏色是圖像的原色，但淺色圖像的目標(biāo)和背景對比度較低，使得融合在目標(biāo)區(qū)域和背景區(qū)域的顏色差別不大，因此，無法獲得更詳細的熱羽靶溫度分布信息。為了在融合結(jié)果中突出目標(biāo)區(qū)域，基于顏色通信，本文以紅外圖像的閾值為閾值，將其分為視覺彩色圖像和紅外圖像的顏色融合。灰度背景區(qū)域通過顏色通信可以獲取可見光圖像的顏色信息，充分利用視覺圖像豐富的背景顏色。為了實現(xiàn)這一目標(biāo)，該區(qū)域通過偽裝獲取顏色信息，并通過不同的顏色分布方法提高紅外熱目標(biāo)的識別能力。紅外圖像和可見光圖像顏色融合的具體步驟如下：（1）選擇相應(yīng)的紅外源圖像和可見光源圖像對紅外圖像進行調(diào)整。（2）將可見光的彩色圖像從RGB模型空間轉(zhuǎn)換到IHS模型空間。計算圖像的亮度分量I、色度分量h和飽和度分量s、h和s。該通道包含可見光圖像的顏色信息。（3）第五章采用融合算法將光圖像和紅外圖像的亮度內(nèi)容I融合到灰度級。（4）紅外圖像分為兩部分：背景區(qū)域和目標(biāo)區(qū)域。（5）結(jié)合圖像的灰度、背景區(qū)域和可見光圖像背景區(qū)域的顏色信息，即H和s分量，通過IHS逆變換將其轉(zhuǎn)化為彩色背景。（6）改變了灰度融合圖像目標(biāo)區(qū)域的顏色。也就是說，通過上述顏色處理，可以得到更豐富的顏色信息，更明顯的假彩色目標(biāo)溫度分布（7）彩色背景和彩色目標(biāo)的組合，得到完整的彩色融合圖像。4.2背景的彩色傳遞目前，最流行的色彩傳播方法是選擇色彩信息豐富的自然參考圖像，將參考圖像的色彩信息傳遞到灰度圖像中，使色彩圖像更符合人類的視覺特征，但這種方法存在著過度依賴于圖像選擇。如果原始圖像和參考圖像之間的色差較大，則彩色圖像的顏色分布就不自然。在熱紅外圖像與可見光圖像的融合實驗中，nec-avio-f30成像儀直接采集可見光的彩色圖像進行基于IHS空間的彩色傳輸。傳統(tǒng)的Rgb顏色空間是紅色（R），綠色（g）包含藍色（b）的顏色分量。通道之間的相關(guān)性非常強。所有組件的更改都會影響圖片的亮度和顏色。IHs顏色空間是基于人們對眼睛的視覺感知，分離圖像的亮度I、色調(diào)H和色調(diào)s。該部分是獨立的，一個分量的值的變化不會影響其他兩個分量，因此在對每個通道進行處理后，可以正確地描述顏色特征。背景顏色通信的目的是充分提取所看到的彩色背景區(qū)域的顏色信息，盡可能少地導(dǎo)入不必要的信息，通過IHS變換充分利用背景區(qū)域的顏色變化，充分利用圖像背景區(qū)域的顏色信息，利用I's變換RGB空間中彩色圖像的背景區(qū)域，提取彩色背景區(qū)域H分量和s分量的顏色信息，然后以灰度作為圖像的背景區(qū)域和相應(yīng)的顏色（H）和飽和度（s）分量的組合，通過IHS反演得到彩色融合的背景。。4.3紅外與可見光圖像彩色融合結(jié)果圖4-1高頻系數(shù)融合后的圖像圖4-2低頻系數(shù)融合后的圖像圖4-3IHS空間變換后的結(jié)果圖4-4小波變換后的結(jié)果圖4-5加權(quán)平均融合后的結(jié)果總結(jié)與展望5.1總結(jié)近年來，紅外與可見光圖像融合算法的研究取得了進一步的發(fā)展，在許多領(lǐng)域得到了廣泛的應(yīng)用。為了進一步成熟融合算法的研究，對融合理論進行發(fā)展和改進，完善基于多維分解算法的理論基礎(chǔ)，本文對可見光與紅外圖像的融合算法進行了分析和研究。主要工作和研究成果如下：首先，在前人研究的基礎(chǔ)上，介紹了多級圖像融合的基本概念，介紹了圖像融合的研究背景和現(xiàn)狀，介紹了紅外和可見光圖像的圖像屬性和圖像融合的主要預(yù)處理過程，總結(jié)了圖像融合的分類和主要目標(biāo)評價；其次，介紹了現(xiàn)有的多維變換方法的基本原理，介紹和分析了各自的優(yōu)缺點。其次，針