中北大学计算机与控制工程学院, 山西 太原 030051
将多尺度变换和“高频取大、 低频加权平均”融合规则相结合是融合双波段图像的有效方法。 但用该类方法融合多波段图像时, 序贯式加权常常会导致原图像间固有的差异信息在融合图像中被弱化, 从而影响后续的目标识别和场景理解。 该问题在融合具有纹理特征的多波段图像时更为突出。 为此, 提出了一个基于嵌入式多尺度分解和可能性理论的多波段纹理图像融合新方法。 首先, 利用一种多尺度变换方法把多波段原图像分别分解为高频和低频成分, 并对多波段图像中标准差最大的一幅原图像的低频成分利用另一种多尺度方法进行分块, 再以该分块图像的大小和位置为标准对其余波段的原图像进行分块。 然后, 基于可能性理论的相关融合规则逐一融合对应的多波段块图像, 再把块融合图像进行拼接, 以拼接结果作为低频融合图像。 最后, 将该低频融合图像和利用取大规则融合得到的高频成分一起通过多尺度逆变换获得最终的融合图像。 这种方法不仅将像素级和特征级融合方法综合在一起, 而且将空间域和变换域技术综合在一起, 并通过对大小块采用不同融合规则解决了目标边缘的锯齿效应问题。 实验表明该方法效果显著。
图像融合 多波段纹理图像 嵌入式多尺度分解 可能性理论 Image fusion Multi-band texture image Embedded multi-scale decomposition Possibility theory 光谱学与光谱分析
2016, 36(7): 2337
针对多波段红外图像纹理特征数目庞大,不易于对其成像差异进行综合分析的问题,提出了一种三级特征选择模型。首先采用两两比较的形式进行差异一致性检验,选择出差异分布规律一致的特征量;其次基于 SPSS软件的独立样本检验功能进行差异显著性检验,剔除差异不显著的特征量;然后进行去相关性分析,相关度较高的特征用其中某个特征代替,其余特征保留。实验证明,经该模型选择出的少量特征能综合反映图像的特征差异,为其目标识别等提供参考。
多波段红外 纹理特征 特征选择 差异特征 multi-band infrared texture feature feature selection difference feature
1 中北大学 计算机与控制工程学院, 山西 太原,030051
2 中北大学 计算机与控制工程学院, 山西 太原 030051
通过分析在夜视条件下短波红外、中波红外和长波红外点目标辐射成像机理,明确了多波段红外成像的影响因素,建立了短波红外、中波红外和长波红外图像点目标的形成模型,并对模型进行分析与仿真实验,揭示了多波段红外点目标夜视成像特性差异的形成机理,比较了多波段红外点目标成像的差异,并且通过实验图像的差异特征验证了这些成像特性差异的存在性,最后得出了多波段红外点目标图像的灰度值存在差异,大气传输影响存在差异以及夜光辐射影响存在差异的结论.
短波红外 中波红外 长波红外 红外点目标 夜视成像 成像差异 SWIR MWIR LWIR infrared point target night vision imaging imaging differences