【技术实现步骤摘要】
本专利技术属于图像融合
,特别是涉及航空系统中红外图像与可见光图像融合技术的应用。
技术介绍
本专利技术主要针对红外图像与可见光图像融合技术在航空系统中的应用设计了一种高效的红外图像与可见光图像融合算法。红外成像传感器与可见光成像传感器相比,红外成像传感器具有穿透烟尘能力强,并可以昼夜工作等优点,可见光图像则包含较多的边缘以及纹理信息。红外图像与可见光图像间信息存在冗余和互补。应用图像融合技术来更有效的分析和处理这些信息可以带来的效益有:●实现多个成像传感器的信息共享、优势互补,增强作战飞机的态势感知能力;●丰富了目标搜索、探测、跟踪、识别的手段,提高目标识别的可靠性;●图像传感器大多工作方式为无源,支持隐蔽探测、隐蔽接敌,提升了飞机隐身与反隐身能力;●采用智能算法处理多源图像,减轻了飞行员的工作负荷;●提高航电系统综合化程度以及资源利用率。一种简单的图像融合方法是对源图像的对应像素进行平均加权,但同时也带来了一些负面的影响,如降低图像的对比度。近年来,许多学者发现基于多分辨率分析的方法具有良好的图像表示能力,并被广泛的应用于图像融合之中,如金字塔算法、小波变换、多尺度几何小波等。虽然基于多分辨率分析的方法能够获得较好的融合性能,但算法的计算复杂度较大,尤其是基于多尺度几何小波的图像融合算法,虽然效果最佳,但很难做到实时。图像显著性检测可以得到代表图像显著性的 ...
【技术保护点】
一种红外图像与可见光图像的融合方法,包含以下步骤:步骤1)、对输入的红外图像和可见光图像进行显著性检测;C(i,j)=Σ(m,n)∈Ωω(m,n,i,j)d(m,n,i,j)ψ(m,n,i,j),]]>其中,C(i,j)代表图像I中像素点(i,j)的对比度函数,Ω代表像素点(i,j)的邻域,(m,n)是像素点(i,j)邻域的坐标值,ω代表空间分布的重要度函数,d代表像素灰度差值的重要度函数,ψ代表像素点在整幅图像中稀有程度的函数;步骤2)、将红外图像和可见光图像作为外部激励SA、SB和周围神经元的输出输入到PCNN模型中,并结合显著性检测结果对PCNN模型进行图像融合得到最终图像。
【技术特征摘要】
1.一种红外图像与可见光图像的融合方法,包含以下步骤:
步骤1)、对输入的红外图像和可见光图像进行显著性检测;
C(i,j)=Σ(m,n)∈Ωω(m,n,i,j)d(m,n,i,j)ψ(m,n,i,j),]]>其中,C(i,j)代表图像I中像素点(i,j)的对比度函数,Ω代表像素点(i,j)的邻
域,(m,n)是像素点(i,j)邻域的坐标值,ω代表空间分布的重要度函数,d代表
像素灰度差值的重要度函数,ψ代表像素点在整幅图像中稀有程度的函数;
步骤2)、将红外图像和可见光图像作为外部激励SA、SB和周围神经元的输
出输入到PCNN模型中,并结合显著性检测结果对PCNN模型进行图像融合得到最
终图像。
2.根据权利要求1所述的一种红外图像与可见光图像的融合方法,其特
征在于所述空间分布的重要度函数ω的公式为:
ω(m,n,i,j)=12πδ2e-((m-i)2+(n-j)2)/(2δ2).]]>3.根据权利要求1所述的一种红外图像与可见光图像的融合方法,其特
征在于所述像素灰度差值的重要度函数d的公式为:
d(m,n,i,j)=|I(i,j)-I(m,n)|。
4.根据权利要求1所述的一种红外图像与可见光图像的融合方法,其特
征在于所述像素在整幅图像中稀有程度的函数ψ的公式为:
ψ(m,n,i,j)=(Σ(i,j)∈I|I(m,n)-I(i,j)|-min)/(max-min).]]>5.根据权利要求1所述的一种红外图像与可见光图像的融合方法,其特
征在于所述PCNN模型为:
HijA[n]=SijA+Σk,lwijklYkl[n-1]]]>HijB[n]=SijB+Σk,lwijk...
【专利技术属性】
技术研发人员:金星,刘坤,赵军,王祎璠,詹轶,
申请(专利权)人:中国航空无线电电子研究所,上海海事大学,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。