基于CbCr查找表的双波段图像彩色融合算法 下载: 629次
1 引言
低照度可见光成像技术可显著增强人眼视觉灵敏度,红外成像技术能够有效拓宽人眼视觉光谱范围广泛应用于战场侦查、目标探测、安防监控,以及辅助驾驶等领域。低照度可见光和红外图像相融合,能够充分利用各波段图像互补信息。相比于灰度图像融合,彩色融合利用人眼视觉对色彩敏感的特点,用色差来增强图像细节,提高融合图像的场景信息表达能力。低照度可见光和红外图像的彩色融合能够提高人眼视觉在低照度环境下对场景的快速理解、感知能力,以及对目标的探测、识别能力[1]。
早期的彩色融合算法,如NRL法[2]、TNO法[3]、MIT法[4]等,得到的伪彩色图像色彩极不自然,观察者在长时间观察中可能会感到视觉疲劳甚至产生错觉[5]。对此,Toet[6]利用昼间彩色参考图像与伪彩色图像间的全局统计特征(即颜色矩)传递,得到了具有自然感色彩的夜视和红外融合图像;杨少魁等[7]则借助累积颜色直方图实现了色彩传递。针对全局色彩传递无法较好实现融合图像序列颜色恒常性的问题,Zheng等[8-12]给出了基于局部统计特征(局域纹理、区域直方图等)的色彩传递方案,但计算成本昂贵,实时性差。为了更好地满足实时融合需求,文献[ 13-16]提出了基于样本的融合算法(即Toet算法),该算法是当前实时融合系统主要采用的彩色融合算法[17-18]。
基于样本的彩色融合算法的核心是按照建模颜色与测量颜色之间的平均感知色差最小化原则(即最小化颜色矢量之间的欧氏距离),确定
2 算法原理
基于样本的双波段图像彩色融合算法原理如
2.1 色彩映射
2.1.1 基于反向传播神经网络的查找表构建方法
反向传播(BP)神经网络由McClelland等[22]于1987年提出。1989年,Hecht-Nielsen[23]证明其通过样本训练能够逼近任意
色彩映射的关键技术是构建CbCr查找表。基于BP神经网络的特性,提出一种新的查找表构建方法:首先采用BP神经网络对图像样本进行非线性拟合,推导出最佳色彩映射
1) 选择训练样本。选取所处环境中的一个或几个具有代表性场景的双波段灰度图像(像素大小为
2) 推导最佳色彩映射。按照不同波段图像中像素位置的对应关系,采用BP神经网络对所选训练样本的二维灰度向量(
3) 构建颜色查找表。以
2.1.2 色彩映射
色彩映射过程如
图 2. 色彩映射过程。(a)低照度可见光图像;(b)CbCr查找表;(c)红外图像;(d)彩色融合图像
Fig. 2. Process of color mapping. (a) Low-light visible image;(b) CbCr look-up table; (c) infrared image; (d) color fusion image
2.1.3 灰度校正
由于CbCr查找表的色彩是平缓均匀过渡的,当相似景物在样本图像与待融合图像间的灰度差异较小时,利用样本训练得到的颜色查找表能够为同一系统采集的相似环境下的待融合图像正确地映射色彩。但是当场景的光照、温度,以及传感器的信号增益变化较大时,相似景物在样本图像与待融合图像间的灰度差异较大,导致色彩映射出现较大偏差。此时,需要对待融合图像的灰度值进行校正。为此,采用以参考图像为标准的灰度校正方法,其灰度传递函数[24-25]为
式中
参考图像应选择与待校正图像具有相同波段、相似场景的样本图像,使得景物在灰度校正后近似达到样本图像中相似景物的灰度水平,从而实现正确的色彩映射。
2.2 灰度融合
对于灰度融合算法,目前应用最多的是双(多)波段图像算术(或加权)平均融合。这种算法不仅原理简单,而且实时性极佳,能够提高图像的信噪比。但平均融合的本质是对图像进行平滑处理,导致融合图像的分辨力下降,清晰度降低,边缘、轮廓变得模糊,使场景中目标的可探测距离显著减小,甚至不如单波段源图像。相比之下,多尺度融合算法符合人眼视觉处理信号的规律,融合效果令人满意,但算法复杂度会随着分解层数的增加而不断增大。考虑到算法的实时性和对图像分辨力的要求,选用具有良好融合效果和较低算法复杂度的双层拉普拉斯金字塔融合作为灰度融合算法[26],算法原理如
图 3. 拉普拉斯金字塔融合原理图
Fig. 3. Schematic of image fusion based on Laplacian pyramid transformation
3 实验与分析
为了便于比较,本文采用Toet提供的TNO image fusion dataset[27](TNO2014)和TRICLOBS dynamic multiband image dataset[28](TNO2016)图像融合数据库以及文献[
14-15]中配准后的多波段图像作为本文算法实验验证的图像源。实验硬件环境为Intel T8300处理器,内存为3 G,软件环境为MATLAB R2014a。为了有效对比本文算法和Toet彩色图像融合结果,采用以下基于场景理解的客观评价指标:1)清晰度指标(ISM)[29];2)色彩的彩色性指标(CCM)[29];3)色彩与场景内容的协调性指标
3.1 低照度可见光与长波红外图像融合实验
3.1.1 样本选择与查找表构建
由于场景C和场景E基本包含了该环境中的所有对象:房屋、树木、道路、栅栏、汽车、草地、天空等,因此选取场景C和场景E作为训练样本推导最佳色彩映射,两个场景共计620×450×2=558000组样本数据,按照2.1.1节所述步骤由BP神经网络训练得到的映射
图 4. 村庄场景A~E。(a)低照度可见光;(b)长波红外;(c)昼间彩色
Fig. 4. Scenes A-E of a village. (a) Low-light visible; (b) long-wave infrared; (c) natural color
图 5. 村庄场景F~L。(a)低照度可见光;(b)长波红外
Fig. 5. Scenes F-L of a village. (a) Low-light visible; (b) long-wave infrared
3.1.2 彩色融合对比
首先采用
图 7. 场景A~E的融合结果。(a)拉普拉斯金字塔融合;(b)本文算法
Fig. 7. Fusion results of scenes A-E. (a) Fusion based on Laplacian pyramid transformation; (b) proposed algorithm
其次采用
图 8. 彩色融合对比。(a)拉普拉斯金字塔融合;(b)本文算法;(c) Toet算法
Fig. 8. Comparison of color fusion. (a) Fusion based on Laplacian pyramid transformation; (b) proposed algorithm; (c) Toet algorithm
根据场景特点(城镇建筑),选择ISM、CCM、
表 1. 不同彩色融合算法的客观评价结果
Table 1. Objective evaluation results of different color fusion algorithms
|
甚至优于Toet三波段融合效果。在场景F和场景G中,Toet融合图像部分树木的颜色出现偏差,而在场景G和场景H中,本文融合图像部分天空的颜色出现偏差。由于采用了拉普拉斯金字塔融合算法,本文融合图像的细节更佳,景物的边缘轮廓清晰,缺点是对于噪声较大的场景G,融合算法对噪声的抑制效果较差。相比之下,Toet算法的融合图像虽然噪声较小,但细节信息有所丢失(如场景H中的云朵),景物的边缘轮廓较为模糊。
3.1.3 灰度校正
采用
图 9. 灰度校正及彩色融合对比。(a)拉普拉斯金字塔融合图像;(b)本文算法灰度校正前;(c)本文算法灰度校正后;(d) Toet算法
Fig. 9. Greyscale calibration and a comparison of color fusion. (a) Fusion based on laplacian pyramid transformation; (b) proposed algorithm before calibration; (c) proposed algorithm after calibration; (d) Toet algorithm
选择ISM、CCM、
表 2. 不同彩色融合算法的客观评价结果
Table 2. Objective evaluation results of different color fusion algorithms
|
景I中的云朵,但随着烟雾不断增大,本文融合结果的清晰度和色彩彩色性优势逐渐减小,2种算法的色彩协调性整体相当。
3.2 低照度可见光与近红外图像融合实验
以场景M作为训练样本推导最佳色彩映射,该场景共计433×400=173200组样本数据,按照2.1.1节所述步骤由BP神经网络训练得到的映射
图 10. 训练样本。(a)低照度可见光;(b)近红外;(c)昼间彩色
Fig. 10. Training samples. (a) Low-light visible; (b) near infrared; (c) natural color
图 11. 住宅场景N~S。(a)低照度可见光;(b)近红外
Fig. 11. Scenes N-S of a residence. (a) Low-light visible; (b) near infrared
图 12. 由场景M构建的查找表。(a)本文算法CbCr查找表;(b) Toet算法RGB查找表
Fig. 12. Look-up table constructed by scene M. (a) CbCr look-up table by proposed algorithm; (b) RGB look-up table from Toet algorithm
图 13. 彩色融合对比。(a)拉普拉斯金字塔融合;(b)本文算法;(c) Toet算法
Fig. 13. Comparison of color fusion. (a) Fusion based on Laplacian pyramid transformation; (b) proposed algorithm; (c) Toet algorithm
根据场景特点(绿色植物),选择ISM、CCM、
表 3. 不同彩色融合算法的客观评价结果
Table 3. Objective evaluation results of different color fusion algorithms
|
4 结论
针对低照度可见光和红外图像的彩色融合需求,提出了一种基于样本的双波段图像彩色融合算法,并在以下方面有所创新:1)新的基于样本的融合算法框架;2)基于BP神经网络的查找表构建方法;3)能够有效解决偏色问题的灰度校正方法。由于色彩映射过程仅涉及数据查表操作(消除偏色的灰度校正为可选流程),整个彩色融合算法的实时性由灰度融合算法的实时性决定,因此采用具有较好融合效果和实时性的双层普拉斯金字塔融合算法。利用Toet提供的图像源进行融合实验的结果表明,本文算法融合图像具有颜色自然、细节丰富,利于(热)目标检测等特点,在清晰度、彩色性、映射准确性方面已经达到甚至优于Toet算法的图像融合效果。下一步研究的重点是神经网络优化以及寻找实时性和融合效果更佳的灰度融合算法。
Toet A, Hogervorst M A. Progress in color night vision[J]. Optical Engineering, 2012, 51(1): 010901.
Toet A, Hogervorst M A. Progress in color night vision[J]. Optical Engineering, 2012, 51(1): 010901.
[2] McDaniel RV, Scribner DA, Krebs WK, et al. Image fusion for tactical applications[C]. SPIE, 1998, 3436: 685- 695.
McDaniel RV, Scribner DA, Krebs WK, et al. Image fusion for tactical applications[C]. SPIE, 1998, 3436: 685- 695.
McDaniel RV, Scribner DA, Krebs WK, et al. Image fusion for tactical applications[C]. SPIE, 1998, 3436: 685- 695.
[5] Stuart GW, Hughes PK. Towards understanding the role of colour information in scene perception using night vision device[R]. Australia: Defence Science and Technology Organisation, 2009.
Stuart GW, Hughes PK. Towards understanding the role of colour information in scene perception using night vision device[R]. Australia: Defence Science and Technology Organisation, 2009.
Stuart GW, Hughes PK. Towards understanding the role of colour information in scene perception using night vision device[R]. Australia: Defence Science and Technology Organisation, 2009.
[7] 杨少魁, 刘文. 一种微光与红外图像彩色融合方法[J]. 红外与激光工程, 2014, 43(5): 1654-1659.
杨少魁, 刘文. 一种微光与红外图像彩色融合方法[J]. 红外与激光工程, 2014, 43(5): 1654-1659.
杨少魁, 刘文. 一种微光与红外图像彩色融合方法[J]. 红外与激光工程, 2014, 43(5): 1654-1659.
Yang S K, Liu W. Color fusion method for low-level light and infrared images[J]. Infrared and Laser Engineering, 2014, 43(5): 1654-1659.
[9] YangB, Sun FM, Li ST. Region-based color fusion method for visible and IR image sequences[C]∥Proceedings of Chinese Conference on Pattern Recognition, 2008: 1- 6.
YangB, Sun FM, Li ST. Region-based color fusion method for visible and IR image sequences[C]∥Proceedings of Chinese Conference on Pattern Recognition, 2008: 1- 6.
YangB, Sun FM, Li ST. Region-based color fusion method for visible and IR image sequences[C]∥Proceedings of Chinese Conference on Pattern Recognition, 2008: 1- 6.
[10] 赵源萌, 王岭雪, 金伟其, 等. 基于区域直方图统计的灰度图像色彩传递方法[J]. 北京理工大学学报, 2012, 32(3): 322-326.
赵源萌, 王岭雪, 金伟其, 等. 基于区域直方图统计的灰度图像色彩传递方法[J]. 北京理工大学学报, 2012, 32(3): 322-326.
赵源萌, 王岭雪, 金伟其, 等. 基于区域直方图统计的灰度图像色彩传递方法[J]. 北京理工大学学报, 2012, 32(3): 322-326.
Zhao Y M, Wang L X, Jin W Q, et al. A color transfer method for colorization of grayscale image based on region histogram statistics[J]. Transactions of Beijing Institute of Technology, 2012, 32(3): 322-326.
[11] 钱小燕, 张天慈, 王帮峰, 等. 局部颜色映射的彩色夜视算法[J]. 中国图象图形学报, 2012, 17(5): 689-693.
钱小燕, 张天慈, 王帮峰, 等. 局部颜色映射的彩色夜视算法[J]. 中国图象图形学报, 2012, 17(5): 689-693.
钱小燕, 张天慈, 王帮峰, 等. 局部颜色映射的彩色夜视算法[J]. 中国图象图形学报, 2012, 17(5): 689-693.
Qian X Y, Zhang T C, Wang B F, et al. Color night vision algorithm based on local color mapping[J]. Journal of Image and Graphics, 2012, 17(5): 689-693.
[12] 薛模根, 周浦城, 刘存超. 夜视图像局部颜色传递算法[J]. 红外与激光工程, 2015, 44(2): 0781.
薛模根, 周浦城, 刘存超. 夜视图像局部颜色传递算法[J]. 红外与激光工程, 2015, 44(2): 0781.
薛模根, 周浦城, 刘存超. 夜视图像局部颜色传递算法[J]. 红外与激光工程, 2015, 44(2): 0781.
[13] Hogervorst MA, Toet A.Method and system for converting at least one first-spectrum image into a second-spectrum image: US8478028[P].2013-07-02.
Hogervorst MA, Toet A.Method and system for converting at least one first-spectrum image into a second-spectrum image: US8478028[P].2013-07-02.
Hogervorst MA, Toet A.Method and system for converting at least one first-spectrum image into a second-spectrum image: US8478028[P].2013-07-02.
[14] Hogervorst MA, ToetA. Method for applying daytime colors to nighttime imagery in realtime[C]. SPIE, 2008, 6974: 697403.
Hogervorst MA, ToetA. Method for applying daytime colors to nighttime imagery in realtime[C]. SPIE, 2008, 6974: 697403.
Hogervorst MA, ToetA. Method for applying daytime colors to nighttime imagery in realtime[C]. SPIE, 2008, 6974: 697403.
[16] Hogervorst MA, ToetA. Improved colour matching technique for fused nighttime imagery with daytime colours[C]. SPIE, 2016, 9987: 99870J.
Hogervorst MA, ToetA. Improved colour matching technique for fused nighttime imagery with daytime colours[C]. SPIE, 2016, 9987: 99870J.
Hogervorst MA, ToetA. Improved colour matching technique for fused nighttime imagery with daytime colours[C]. SPIE, 2016, 9987: 99870J.
[17] 骆媛, 金伟其, 刘效东. 基于颜色查找空间的自然感彩色融合算法及DSP实时实现[J]. 红外与激光工程, 2012, 41(8): 2241-2246.
骆媛, 金伟其, 刘效东. 基于颜色查找空间的自然感彩色融合算法及DSP实时实现[J]. 红外与激光工程, 2012, 41(8): 2241-2246.
骆媛, 金伟其, 刘效东. 基于颜色查找空间的自然感彩色融合算法及DSP实时实现[J]. 红外与激光工程, 2012, 41(8): 2241-2246.
Luo Y, Jin W Q, Liu X D. Color look-up space based natural color fusion algorithm and DSP real-time implementation[J]. Infrared and Laser Engineering, 2012, 41(8): 2241-2246.
[18] 裴闯, 蒋晓瑜, 王加, 等. 自然彩色化双通道实时图像融合系统[J]. 光学精密工程, 2013, 21(5): 1333-1339.
裴闯, 蒋晓瑜, 王加, 等. 自然彩色化双通道实时图像融合系统[J]. 光学精密工程, 2013, 21(5): 1333-1339.
裴闯, 蒋晓瑜, 王加, 等. 自然彩色化双通道实时图像融合系统[J]. 光学精密工程, 2013, 21(5): 1333-1339.
[19] 王岭雪, 金伟其, 赵源萌, 等. 基于颜色查找表的双波段视频快速自然感彩色融合方法: 101867685A[P].2010-10-20.
王岭雪, 金伟其, 赵源萌, 等. 基于颜色查找表的双波段视频快速自然感彩色融合方法: 101867685A[P].2010-10-20.
王岭雪, 金伟其, 赵源萌, 等. 基于颜色查找表的双波段视频快速自然感彩色融合方法: 101867685A[P].2010-10-20.
[20] 金真. 基于多维信息颜色查找表的计算彩色成像[D]. 北京: 北京理工大学, 2015.
金真. 基于多维信息颜色查找表的计算彩色成像[D]. 北京: 北京理工大学, 2015.
金真. 基于多维信息颜色查找表的计算彩色成像[D]. 北京: 北京理工大学, 2015.
JinZ. Computational color imaging based on the color look-up table of multidimensional information[D]. Beijing: Beijing Institute of Technology, 2015.
JinZ. Computational color imaging based on the color look-up table of multidimensional information[D]. Beijing: Beijing Institute of Technology, 2015.
JinZ. Computational color imaging based on the color look-up table of multidimensional information[D]. Beijing: Beijing Institute of Technology, 2015.
[21] 姜曼. 基于二维颜色查找表的双波段彩色图像融合算法研究[D]. 北京: 北京理工大学, 2015.
姜曼. 基于二维颜色查找表的双波段彩色图像融合算法研究[D]. 北京: 北京理工大学, 2015.
姜曼. 基于二维颜色查找表的双波段彩色图像融合算法研究[D]. 北京: 北京理工大学, 2015.
JiangM. Study on double-band color image fusion algorithm based on 2D color look-up table[D]. Beijing: Beijing Institute of Technology, 2015.
JiangM. Study on double-band color image fusion algorithm based on 2D color look-up table[D]. Beijing: Beijing Institute of Technology, 2015.
JiangM. Study on double-band color image fusion algorithm based on 2D color look-up table[D]. Beijing: Beijing Institute of Technology, 2015.
[22] McClelland JL, Rumelhart DE, PDP ResearchGroup. Parallel distributed processing: psychological and biological models[M]. Cambridge: The MIT Press, 1987.
McClelland JL, Rumelhart DE, PDP ResearchGroup. Parallel distributed processing: psychological and biological models[M]. Cambridge: The MIT Press, 1987.
McClelland JL, Rumelhart DE, PDP ResearchGroup. Parallel distributed processing: psychological and biological models[M]. Cambridge: The MIT Press, 1987.
[24] Li GX, WangK. Merging infrared and color visible images with an contrast enhanced fusion method[C]. SPIE, 2007, 6571: 657108.
Li GX, WangK. Merging infrared and color visible images with an contrast enhanced fusion method[C]. SPIE, 2007, 6571: 657108.
Li GX, WangK. Merging infrared and color visible images with an contrast enhanced fusion method[C]. SPIE, 2007, 6571: 657108.
[25] 王春阳, 郭增长, 王双亭, 等. 双边滤波与矩匹配融合的高光谱影像条带噪声去除方法[J]. 测绘科学技术学报, 2014, 31(2): 153-156.
王春阳, 郭增长, 王双亭, 等. 双边滤波与矩匹配融合的高光谱影像条带噪声去除方法[J]. 测绘科学技术学报, 2014, 31(2): 153-156.
王春阳, 郭增长, 王双亭, 等. 双边滤波与矩匹配融合的高光谱影像条带噪声去除方法[J]. 测绘科学技术学报, 2014, 31(2): 153-156.
Wang C Y, Guo Z Z, Wang S T, et al. A strip noise removal method of hyperspectral image based on combining bilateral filter with moment matching[J]. Journal of Geomatics Science and Technology, 2014, 31(2): 153-156.
[26] 汪玉美, 陈代梅, 赵根保. 基于目标提取与拉普拉斯变换的红外和可见光图像融合算法[J]. 激光与光电子学进展, 2017, 54(1): 011002.
汪玉美, 陈代梅, 赵根保. 基于目标提取与拉普拉斯变换的红外和可见光图像融合算法[J]. 激光与光电子学进展, 2017, 54(1): 011002.
汪玉美, 陈代梅, 赵根保. 基于目标提取与拉普拉斯变换的红外和可见光图像融合算法[J]. 激光与光电子学进展, 2017, 54(1): 011002.
[27] Toet A. TNO image fusion dataset[DB/L]. [2014-04-26]. http: ∥dx.doi.org/10.6084/m9. figshare.1008029.
Toet A. TNO image fusion dataset[DB/L]. [2014-04-26]. http: ∥dx.doi.org/10.6084/m9. figshare.1008029.
Toet A. TNO image fusion dataset[DB/L]. [2014-04-26]. http: ∥dx.doi.org/10.6084/m9. figshare.1008029.
[28] ToetA, Hogervorst MA, Pinkus AR. The TRICLOBS dynamic multiband image dataset[DB/OL]. [2016-10-08].https: ∥figshare.com/articles/The_TRICLOBS_Dynamic_Multiband_Image_Dataset/3206887.
ToetA, Hogervorst MA, Pinkus AR. The TRICLOBS dynamic multiband image dataset[DB/OL]. [2016-10-08].https: ∥figshare.com/articles/The_TRICLOBS_Dynamic_Multiband_Image_Dataset/3206887.
ToetA, Hogervorst MA, Pinkus AR. The TRICLOBS dynamic multiband image dataset[DB/OL]. [2016-10-08].https: ∥figshare.com/articles/The_TRICLOBS_Dynamic_Multiband_Image_Dataset/3206887.
[30] 高绍姝, 金伟其, 王岭雪, 等. 基于颜色协调性的典型场景彩色融合图像颜色质量评价[J]. 北京理工大学学报, 2012, 32(10): 1054-1060.
高绍姝, 金伟其, 王岭雪, 等. 基于颜色协调性的典型场景彩色融合图像颜色质量评价[J]. 北京理工大学学报, 2012, 32(10): 1054-1060.
高绍姝, 金伟其, 王岭雪, 等. 基于颜色协调性的典型场景彩色融合图像颜色质量评价[J]. 北京理工大学学报, 2012, 32(10): 1054-1060.
Gao S S, Jin W Q, Wang L X, et al. Color-quality assessment for color fusion images of typical scenes based on color harmony[J]. Transactions of Beijing Institute of Technology, 2012, 32(10): 1054-1060.
何炳阳, 张智诠, 李强, 蒋晓瑜. 基于CbCr查找表的双波段图像彩色融合算法[J]. 光学学报, 2018, 38(1): 0133001. Bingyang He, Zhiquan Zhang, Qiang Li, Xiaoyu Jiang. Color Fusion Algorithm of Dual-Band Images Based on CbCr Look-up Table[J]. Acta Optica Sinica, 2018, 38(1): 0133001.