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 PDF

Info

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
Application number
CN201510880750.7A
Other languages
English (en)
Other versions
CN105528772A (zh
Inventor
葛秘蕾
刘永进
孙小亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Luoyang Institute of Electro Optical Equipment AVIC
Original Assignee
Luoyang Institute of Electro Optical Equipment AVIC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Luoyang Institute of Electro Optical Equipment AVIC filed Critical Luoyang Institute of Electro Optical Equipment AVIC
Priority to CN201510880750.7A priority Critical patent/CN105528772B/zh
Publication of CN105528772A publication Critical patent/CN105528772A/zh
Application granted granted Critical
Publication of CN105528772B publication Critical patent/CN105528772B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种基于指导性滤波的图像融合方法
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
CN201510880750.7A 2015-12-05 2015-12-05 一种基于指导性滤波的图像融合方法 Active CN105528772B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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