CN105528772B - 一种基于指导性滤波的图像融合方法 - Google Patents
一种基于指导性滤波的图像融合方法 Download PDFInfo
- Publication number
- CN105528772B CN105528772B CN201510880750.7A CN201510880750A CN105528772B CN 105528772 B CN105528772 B CN 105528772B CN 201510880750 A CN201510880750 A CN 201510880750A CN 105528772 B CN105528772 B CN 105528772B
- Authority
- CN
- China
- Prior art keywords
- image
- filtering
- mean value
- directiveness
- indicate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000004927 fusion Effects 0.000 claims abstract description 10
- 238000002156 mixing Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于指导性滤波的图像融合方法,包括如下步骤:1)对原始红外图像Ii进行最大值滤波,得到图像2)采用指导性滤波算法对做进一步滤波处理,输出图像3)将图像直接叠加在原始可见光图像Iv上,得到图像If;4)对图像If进行伽玛校正,得到最终融合图像。本发明基于像素级融合,且只是部分区域提高了灰度级别,并不会出现融合效果“不自然”的现象,另外算法计算复杂度较低,易于实时处理。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种基于指导性滤波的图像融合方法。
背景技术
鉴于可见光图像分辨率较高,边缘、纹理等细节信息比较丰富,但容易受到天气等外界环境的影响;红外图像适应力较强,可以穿透一般烟雾,能够昼夜持续工作,但图像灰度是由温度决定,细节较少,真实感不强,因此将两者相互融合补充,能够达到较好的视觉效果。目前,相关的图像融合算法有以下两种:①像素加权平均法:将感兴趣的图像区域赋上较大的权值以获得优势显示。该方法的优点在于计算复杂度低,易于实时处理,缺点是加权准则很难确定,导致融合效果差异性很大。②多分辨率图像融合法:将图像分解在不同频段上,然后依据某种融合规则对各频段数据进行融合,最后将各个频段重构得到融合后图像。该类方法典型的有:拉普拉斯金字塔法、小波变换法等。优点在于可以根据图像不同频段特性选择不同的融合法则,针对性更强,缺点是不同频段像素之间缺乏关联性,导致融合重构后图像过于“生硬”,视觉效果不佳,另外计算复杂度也较高。
发明内容
本发明提供了一种基于指导性滤波的图像融合方法,旨在解决现有可见光与红外图像融合方法计算复杂度高、融合视觉效果不佳的问题。
本发明的图像融合方法包括如下步骤:
1)对原始红外图像Ii进行最大值滤波,滤波结果可以表示为:
其中,ΩR(x)表示中心坐标为x,半径为R的图像区域;
2)采用指导性滤波算法对做进一步滤波处理,输出图像
其中,GuidedFilter(·)表示指导性滤波算法,r表示滤波半径,ε表示正则化参数;
3)将图像直接叠加在原始可见光图像Iv上,得到图像If:
4)对图像If进行伽玛校正,得到最终融合图像I′f:
其中,γ表示校正系数,p表示图像数据的位数。
所述指导性滤波算法包括如下步骤:
1)对原始红外图像Ii及进行均值滤波,得到均值
并求得原始红外图像Ii的自相关值及与图像的互相关值即
2)根据均值自相关值与互相关值及均值求得方差及协方差即
3)然后根据步骤2)到的计算结果进行如下运算,最终得到融合后输出图像 meana=fmean(a),meanb=fmean(b),
本发明的有益效果是:本发明充分考虑到可见光图像和红外图像各自的优势,即可见光图像细节丰富,红外图像能够对一些感兴趣的目标高亮显示。为此在做图像融合时对可见光部分全部保留,而红外部分则使用指导性滤波提取高亮信息。由于本发明基于像素级融合,且只是部分区域提高了灰度级别,并不会出现融合效果“不自然”的现象,另外算法计算复杂度较低,易于实时处理。
附图说明
图1是本实施例的融合方法流程框图;
图2是本实施例的效果图,其中,(a)图是原始可见光图像,(b)图是原始红外图像,(c)图是融合后结果。
具体实施方式
下面结合附图,对本发明的技术方案作进一步详细说明。
本实施例中的基于指导性滤波的图像融合方法,首先对红外图像进行最大值滤波获取其中的高亮信息;然后使用原始红外图像作为指导图像(Guidance Image)对高亮部分做指导性滤波(Guided Filter)处理,处理结果直接叠加在可将光图像上;最后将叠加图像进行伽玛校正(Gamma Correction)以调整像素灰度级即得到最终融合输出,具体步骤如下:
1)对原始红外图像Ii进行最大值滤波,滤波结果可以表示为:
其中,ΩR(x)表示中心坐标为x,半径为R的图像区域;
2)采用指导性滤波算法对做进一步滤波处理,输出图像
其中,GuidedFilter(·)表示指导性滤波算法,r表示滤波半径,ε表示正则化参数;
3)将图像直接叠加在原始可见光图像Iv上,得到图像If:
4)对图像If进行伽玛校正,得到最终融合图像I′f:
其中,γ表示校正系数,p表示图像数据的位数。
指导性滤波算法实现过程如下所示:
其中,fmean表示滤波半径为r的均值滤波,mean、corr、var和cov分别表示均值、相关值、方差和协方差。
本实施例中所用可见光和红外图像均为8位、360×270的灰度图像,如附图2中的(a)图和(b)图所示。
按照上述实施步骤,首先利用(1)式对原始红外图像做最大值滤波处理,其中半径R=7;然后利用(2)式求得指导性滤波结果,其中滤波半径r=30,正则化参数ε=10-3;最后,使用(3)式将滤波图像和原始可见光图像叠加,叠加结果再经过(4)式伽玛校正即得到最终的融合输出,其中校正系数γ=0.8,图像位数n=8。
附图2中的(c)图是最终融合效果,与原始可见光和红外图像相比,既保留了可见光图像的细节信息,又把红外图像中的感兴趣目标高亮显示,且具有较好的视觉效果。
Claims (2)
1.一种基于指导性滤波的图像融合方法,其特征在于,包括如下步骤:
1)对原始红外图像Ii进行最大值滤波,滤波结果可以表示为:
其中,ΩR(x)表示中心坐标为x,半径为R的图像区域;
2)采用指导性滤波算法对做进一步滤波处理,输出图像
其中,GuidedFilter(·)表示指导性滤波算法,r表示滤波半径,ε表示正则化参数;
3)将图像直接叠加在原始可见光图像Iv上,得到图像If:
4)对图像If进行伽玛校正,得到最终融合图像I′f:
其中,γ表示校正系数,p表示图像数据的位数。
2.根据权利要求1所述基于指导性滤波的图像融合方法,其特征在于,所述指导性滤波算法包括如下步骤:
1)对原始红外图像Ii及进行均值滤波,得到均值 并求得原始红外图像Ii的自相关均值及与图像的互相关均值即
2)根据均值自相关均值与互相关均值及均值求得方差及协方差即
3)然后根据步骤2)到的计算结果进行如下运算,最终得到融合后输出图像
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510880750.7A CN105528772B (zh) | 2015-12-05 | 2015-12-05 | 一种基于指导性滤波的图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510880750.7A CN105528772B (zh) | 2015-12-05 | 2015-12-05 | 一种基于指导性滤波的图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105528772A CN105528772A (zh) | 2016-04-27 |
CN105528772B true CN105528772B (zh) | 2018-10-16 |
Family
ID=55770977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510880750.7A Active CN105528772B (zh) | 2015-12-05 | 2015-12-05 | 一种基于指导性滤波的图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105528772B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424179A (zh) * | 2017-04-18 | 2017-12-01 | 微鲸科技有限公司 | 一种图像均衡方法及装置 |
CN109146904A (zh) * | 2018-08-13 | 2019-01-04 | 合肥英睿***技术有限公司 | 在可见光图像中显示红外图像目标物轮廓的方法及设备 |
CN109886904B (zh) * | 2019-01-25 | 2021-08-10 | 北京市遥感信息研究所 | 一种sar图像与低分辨率多光谱图像融合方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822046A (zh) * | 2006-03-30 | 2006-08-23 | 上海电力学院 | 基于区域特征模糊的红外与可见光图像融合方法 |
CN101873440A (zh) * | 2010-05-14 | 2010-10-27 | 西安电子科技大学 | 基于Surfacelet变换的红外与可见光视频图像融合方法 |
CN102789640A (zh) * | 2012-07-16 | 2012-11-21 | 中国科学院自动化研究所 | 一种将可见光全色图像与红外遥感图像进行融合的方法 |
CN102982518A (zh) * | 2012-11-06 | 2013-03-20 | 扬州万方电子技术有限责任公司 | 红外与可见光动态图像的融合方法及装置 |
US8447137B2 (en) * | 2011-04-12 | 2013-05-21 | Csi Ricerca & Ambiente Srl | Method of image fusion |
WO2015157058A1 (en) * | 2014-04-07 | 2015-10-15 | Bae Systems Information & Electronic Systems Integration Inc. | Contrast based image fusion |
-
2015
- 2015-12-05 CN CN201510880750.7A patent/CN105528772B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822046A (zh) * | 2006-03-30 | 2006-08-23 | 上海电力学院 | 基于区域特征模糊的红外与可见光图像融合方法 |
CN101873440A (zh) * | 2010-05-14 | 2010-10-27 | 西安电子科技大学 | 基于Surfacelet变换的红外与可见光视频图像融合方法 |
US8447137B2 (en) * | 2011-04-12 | 2013-05-21 | Csi Ricerca & Ambiente Srl | Method of image fusion |
CN102789640A (zh) * | 2012-07-16 | 2012-11-21 | 中国科学院自动化研究所 | 一种将可见光全色图像与红外遥感图像进行融合的方法 |
CN102982518A (zh) * | 2012-11-06 | 2013-03-20 | 扬州万方电子技术有限责任公司 | 红外与可见光动态图像的融合方法及装置 |
WO2015157058A1 (en) * | 2014-04-07 | 2015-10-15 | Bae Systems Information & Electronic Systems Integration Inc. | Contrast based image fusion |
Non-Patent Citations (1)
Title |
---|
Image Fusion with Guided Filtering;Shutao Li 等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20130130;第22卷(第7期);2864-2875 * |
Also Published As
Publication number | Publication date |
---|---|
CN105528772A (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102006425B (zh) | 一种基于多摄像机的视频实时拼接方法 | |
CN110570353A (zh) | 密集连接生成对抗网络单幅图像超分辨率重建方法 | |
CN112184604B (zh) | 一种基于图像融合的彩色图像增强方法 | |
CN103020933B (zh) | 一种基于仿生视觉机理的多源图像融合方法 | |
Tang et al. | Single image dehazing via lightweight multi-scale networks | |
CN108596961A (zh) | 基于三维卷积神经网络的点云配准方法 | |
CN108596975A (zh) | 一种针对弱纹理区域的立体匹配算法 | |
CN110163818A (zh) | 一种用于海事无人机的低照度视频图像增强方法 | |
CN110070574A (zh) | 一种基于改进PSMNet的双目视觉立体匹配算法 | |
CN106599878A (zh) | 一种基于深度学习的人脸重建矫正方法及装置 | |
CN110853027A (zh) | 一种基于局部变动和全局变化的三维合成图像无参考质量评价方法 | |
CN105528772B (zh) | 一种基于指导性滤波的图像融合方法 | |
CN106204502B (zh) | 基于混合阶l0正则化模糊核估计方法 | |
CN104036481A (zh) | 一种基于深度信息提取的多聚焦图像融合方法 | |
CN114677479A (zh) | 一种基于深度学习的自然景观多视图三维重建方法 | |
CN104361571B (zh) | 基于边缘信息和支持度变换的红外与微光图像融合方法 | |
CN109101985A (zh) | 一种基于自适应邻域测试的图像误匹配点对剔除方法 | |
Li et al. | A high-precision underwater object detection based on joint self-supervised deblurring and improved spatial transformer network | |
CN107590782A (zh) | 一种基于全卷积网络的高分辨率光学图像厚云去除方法 | |
Gao et al. | Learning to Incorporate Texture Saliency Adaptive Attention to Image Cartoonization. | |
Lai et al. | Single image dehazing with optimal transmission map | |
Guo et al. | Improving visibility and fidelity of underwater images using an adaptive restoration algorithm | |
CN106357958A (zh) | 一种基于区域匹配的快速电子稳像方法 | |
CN110298807A (zh) | 基于改进Retinex及量子菌群算法的NSCT域红外图像增强方法 | |
Kang et al. | An adaptive fusion panoramic image mosaic algorithm based on circular LBP feature and HSV color system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |