基于边缘检测小波变换红外和可见光图像融合方法

《基于边缘检测小波变换红外和可见光图像融合方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于边缘检测小波变换红外和可见光图像融合方法摘要：简要地论述了图像融合中主要的三种像素级融合算法，即简单方法、基于塔形分解以及基于小波分解的融合方法，在现有的红外与可见光图像融合方法之上，提出了以边缘检测为基础的一种小波变换图像融合方法，并对融合效果进行了评价。实验结果表明，经该方法对红外与可见光图像的融合可以提供更多、更有效的信息，提高了图像的分辨效果和人眼对场景目标的发现和识别概率，融合效果较为理想。关键词：可见光图像；红外图像；图像融合；边缘检测中图分类号：TN911.73文献标识码：Adoi：10.3969/引言随着现代科学技术的发展，单一传感器提供

2、的信息已不能全面反映探测对象的目标特性，单一的探测模式也逐渐向多波段多频谱协同探测模式发展。其中，红外成像传感器和可见光成像传感器是两种常用波段的传感器，采用两者数据融合处理技术，利用信息的互补性，可提高系统的空间分辨率、全天候工作能力以及目标检测和抗干扰能力，有效扩展系统目标探测的空间和时间覆盖范围［1］。近年来，对同一场景的可见光与红外图像的融合已成为国际上的研究热点，各种方法不断出现。对于像素级图像融合，其算法主要可分为以下三种：简单算法，塔形分解基础上的图像融合及小波分解基础上的图像融合。本文在论述以上方法理论的基础上，针对现有的红外与可见光图像融合

3、方法的不足，提出了一种基于边缘检测的小波变换图像融合方法，并对融合效果进行了评价。1图像融合算法1.1图像融合的简单方法图像融合的简单方法是直接对参加融合的各对应像素进行选择、平均、加权平均等简单处理后，融合得到新的图像。它是一种典型的图像融合算法，其特点是不对各源图像进行任何的分解或变换。简单的融合方法主要有：(1)选大像素灰度值；(2)选小像素灰度值;(3)像素灰度值的平均或加权平均(简称加权平均)。由于简单的图像融合方法会造成融合图像对比度下降，因此它的使用范围及其有限，只适合对图像质量要求不高的场合，并且该算法的融合过程参杂了人工的干预，对目标的自动

4、识别造成一定影响［2］。光学仪器第35卷第1期李茜，等：基于边缘检测小波变换的红外与可见光图像融合方法1.2基于塔形分解的图像融合方法图1所示为基于塔形分解的融合过程，这种图像融合方法的特点是多尺度、多分辨率，且其融合过程是在不同尺度、不同空间分辨率、不同分解层上分别进行的。基于塔形分解的图像融合方法主要有：(1)基于比率塔形分解；(2)基于梯度塔形分解；(3)基于对比度塔形分解；(4)基于拉普拉斯塔形分解。与图像融合的简单方法相比，经该方法融合的图像质量有了明显的改善，但是，使用该方法进行融合后的图像，图像数据总量有所增加，这是由于在进行塔形分解的过程中产

5、生了冗余分解。其中，图像的比率、拉普拉斯和对比度塔形分解没有方向性［34］。1.3基于小波分解的图像融合方法如图2所示为基于小波分解的图像融合方法，是一种图像的多尺度、多分辨率分解方法。小波分解是非冗余的，因此，经过小波分解后不会增加图像数据总量。小波分解还具有方向性，这使得在针对人眼的视觉特性对不同方向的高频分量具有不同分辨这一视觉特性时，获得的图像的视觉效果显著增加［56］。图1基于塔形分解的图像融合过程