一种面向目标的伪彩色图像融合算法

3 基于生物视觉特性的伪彩色融合
3 . 1 感受野数学模型 人眼视网膜中的神经细胞对光照的反应存在区 域性 , 当光照射中心区域时 , 细胞反应增加, 此时如 果再照射周边区域 , 反应就会减小 , 这说明区域的周 边对中心存在抑制作用, 生物物理学将此作用称为 拮抗 ( Opponent) 。中心与周边相互拮抗的结果是强 调视觉中有变化的信息或提取边缘 , 而此区域称为 该细胞的感受野。感受野的 空间分布呈同 心圆模 式, Rodieck 用差分高斯 函数 ( D ifference of Gaussi ans, DOG) 描述同心圆拮抗模式的感受野 C DOG = C 1 - C 2 = c1 e
Abstract : In order to h ig hlig ht the targets in fu sed i m age of in frared and v isib le sensors , an ob ject oriented m age fusion algorithm based on fa lse color is proposed i . Th ism ethod d iv ides the infrared i m age in to target region and backg round reg io n based on the fea tu res o f targets . In th is paper , based on the perceptua l m odel o f hum an v is ion system, the D ifference of Gaussians ( DOG) is used to si m ulate the opponent v isu al characteristics, and a new a lg orithm is desig ned using i m proved receptive fie ld m odel and d ifferen t co l or m app ing ru le s to realize the fa lse co lor i m age fu sion . T he experi m enta l results show that a ll usefu l in fo r m ation in orig ina l i m ages can be observed in the fu sed i m age , and th e d ifferences of tw o i m ages are en hanced. So the presented a lg orithm can be used to effect iv ely high lig ht the targets and enhance the back g round deta ils. K ey w ords: i m age processin g ; object reg ion; false color fu sio n ; i m age segm entation ; receptiv e fie ld 红外图像和可见光图像有着良好的互补性 : 可 见光具有丰富的细节和敏锐的色感, 但在恶劣气候 和夜间的成像能力差; 而红外线具有较强的穿透能 力 , 在云雾天气和夜间仍能显示景物的轮廓, 但成像 分辨率较低 , 远距离图像目标边缘不精确。将两者 融合在一幅图像中可更好地实现目标识别和定位 , 在战场侦察、 安全监控等领域有着良好的应用前景。 近年来 , 面向区域的图像融合成为研究的热点。 现有的基于视觉增强目的的图像融合算法多是基于 像素的融合 , 对像素点的单独处理忽略了像素点之 间的联系 , 不利于表现多个像素点的整体特征, 而人 们关注的往往是图像中的某个区域或目标。面向区 域的图像融合根据像素点的整体特征将图像分割为 多个区域 , 对不同区域选择合理的融合规则 , 突出各 [ 1] 个区域的特征信息。 J. J. L ew is等 应用小波变换 分解图像的特征区域 , 融合红外和可见光图像 , 并 将区域级融合应用于医学影像处理中。区域级融合 可较好地克服像素级融合对噪声敏感、 模糊效应以 及对比度失调等问题。目前面向区域的图像融合算 法主要集中在变换域 , 对图像进行多分辨分解或者 小波分解 , 将分解的图像进行区域分割并选择不同
c s c s
图 1 算法流程
( 3)
2 红外图像区域分割
对于采集的红外图像可以分割成目标区域和背 景区域 : 目标区域 是以包含 目 标信息 为 主的区
式中 : E ij 为结果输出图像灰度值; I 为中心兴奋区 输入图像灰度值; I 为周边抑制区输入图像灰度值; C 为兴奋核系数 ; E 为抑制核系数; 常数 A 为向零值
红外图像的分割主要依据目标的 2 个特征 : 1) 目标具有较高的灰度值, 目标中的点为图像中或其 邻域中的灰度值最大点; 2) 目标区域边缘点与背景 之间存在较大差异 , 图像的方差纹理图能有效反映 [ 6] 这种局部特征 。目标区域的分割步骤如下。 1) 红外图像特征点的提取。对红外图 像进行 固定阈值分割 , 然后采用框图方法提取特征点, 特征 点为所有包含该点的 3 3 邻域中灰度值最大的点。 2) 通过计算得到图像的方 差纹理图。计算每 个点邻域的方差作为该点的特征值 , 得到该红外图 像的方差纹理图。像素点的方差定义为
一种面向目标的伪彩色图像融合算法
蒋晓瑜, 裴
摘
闯, 汪
熙, 谢之宇
( 装甲兵工程学院 控制工程系 , 北京 100072)
要 : 针对远距离红外与可见光融合图 像中 目标不 突出 的问题 , 提 出了 一种 面向目 标的 伪彩色 图像 融合算 法。
基于目标特征将红外图像分 割为目标区域和背景区域 , 以人类 视觉的 生物机理 和感受 野的数 学模型 为基础 , 利用 差分高斯函数 ( D ifference of G aussians , DOG ) 模拟视觉拮抗特性 , 对目标区域和背 景区域用改 进的感受野 模型和不 同的彩色映射规则进行伪彩 色图像融合。实验结果显示 : 该算法能够保留图像 共有特征 , 突出独 有特征 , 融合图像 色彩自然、 目标突出 , 具有良好的视觉 效果。 关键词 : 图像处理 ; 目标区域 ; 伪彩色融合 ; 图像 分割 ; 感受野 中图分类号 : TN911. 73 文献标志码 : A
L ( i, j ) =
k- 1 i= i2 k- 1 j = j2
(I( i , j) -
),
2
( 1) k
式中 : I ( i, j) 为像素点的灰度值; 邻域的灰度均值。
为像素点 k
3) 基于几何距离聚类得到 目标区域。以提取 的特征点为聚类中心 , 在方差纹理图中寻找与其几 何距离小于设定值 D 的点, 将其设定为感兴 趣点。 将多个感兴趣点内所有像 素点的集合划为 目标区 域, 其余区域划为背景区域。
收稿日期 : 2010 07 13 作者简介 : 蒋晓瑜 ( 1967- ) , 男 , 教授 , 博士。
56 的参数融合后, 逆变换形成融合图像
[ 1- 2]
装甲兵工程学院学报
第 24 卷
[ 5]
。变换域
域; 背景区域是以 背景信息 为主的区域
。
图像融合计算复杂, 并且变换过程中容易产生图像 信息的丢失 , 形成的是灰度融合图像 , 不利于人眼观 察。 伪彩色图像融合算法易于硬件实现, 并且融合 结果更加适合人类视觉系统。文献 [ 3] 应用小波变 换和伪彩色方法进行多重图像融合, 文献 [ 4] 将伪 彩色图像融合应用于战场目标探测与识别。基于以 上背景 , 本文通过研究多种面向区域的图像融合算 法 , 结合感受野视觉模型, 提出一种面向目标区域的 伪彩色图像融合算法。
2010 年 12月 第 24卷 第 6 期
装 甲 兵 工 程 学 院 学 报
Jou rnal of A cadem y of A r m ored Force Eng ineering
D ec. 2010 V o. l 24 N o . 6
文章编号 : 1672 1497( 2010) 06 0055 04
An Object O riented False Color Image Fusion A lgorithm
JI ANG X ia o yu, PE I Chuang, WANG X,i X IE Zh i yu
( D epart m en t of C ontro l Eng ineering, A cadem y of A r m ored Force Eng ineering, Beij ing 100072 , Ch in a)
2 2 -p + q 1 2
[ 7]
,即 , ( 2)
- c2 e
2 2 -p + q 2 2
式中: C 1 和 C 2 为高斯核 ; p 和 q 为高斯核大小; c1 和 c2 决定高斯核的幅度; 1 和 2 决定高斯核的宽度。 当把感受野数学模型应用于图像处理时 , 公式为 E ij = C [ C 1* I ] ij - E [ C 2* I ] ij , c s A + C [ C 1* I ] ij + E [ C 2* I ] ij
1 s c
和边缘, 红外图像反映的是物体的温度 , 对可见光图 像有很好的补充 作用。但是 红外图像的对 比度较 低, 并且有较强的噪声, 红外背景区域对可见光细节 清晰的背景有抑制作用 , 产生模糊效应。现在流行 的基于像素的图像融合算法 ( 如基于小波变换、 高 斯或拉普拉斯分解的图像融合 ) 虽然能够很好地综 合可见光与红外图像的信息, 但是融合图像的对比 度必然低于可见光图像的对比度 , 融合降低了背景 区域的分辨率 , 同时在融合图像中引入了红外图像 的噪声。而理想的融合算法应该保持可见光图像的 对比度, 并将红外图像的信息补充进去。因此, 本文 对式 ( 3)进行修正, 即 c s C Iij - E [ G S* I ] ij E ij = , ( 4) c s A + C Iij + E [ G S* I ] ij 式中 : G S 为权值和为 1 的高斯核函数。由于没有对 I 进行卷积 , 输出图像保持了其对比度, 具有较高的 分辨率。调整 G S 和 E , 可以较好地减弱模糊效应和 抑制 红 外图 像 噪 声对 融 合 图像 的 影 响。采 用 式 ( 4), 得到背景区域的融合结构 , 如图 3所示。
第 6期
蒋晓瑜 , 等 : 一种面向目标的伪彩色图像融合算法
wk.baidu.com
57
衰减的速率 , 一般取与 m ax [ (C 1 + C 2 )* I ] 同一数 量级的值。 c s 在感受野模型中, 对于输出点 E ij , 如果 I 和 I 为同一 场景 的不 同图 像时 , 那 么当 I ( i, j) 很亮、 I ( i, j) 很暗时 , 感受野输出为较大的正 值, 在图像 中表现为较亮的点; 反之, 感受野的输出为较小的负 值 , 在图像中表现为较暗的点。当 2 点的亮度相当 时 , 其输出值趋近于零 , 在输出图像中表现为中等亮 度的点。感受野模型保留了 2 幅图像的共有特征 , 突出了中心兴奋 区域输入图像的特征。选取 C > E, 输出图像将包含更多的中心输入图像的信息 , 同 时适当增大系数
i= i+ k- 1 2 j = j+ k- 1 2
1 算法介绍
该算法将红外图像分割为目标 区域和背景区 域 , 并根据生物的视觉拮抗特性 , 对目标区域和背景 区域采用不同的彩色映射规则进行融合, 并选取自 然真彩色图像进行颜色传递。算法在融合图像中突 出红外目标区域 , 有效地克服了目标区域和背景区 域视觉特性在灰度空间相互抑制的矛盾。该算法能 够有效地排除复杂环境的干扰 , 从背景中更加明显 地突出目标 , 达到在融合图像中区分目标与背景、 同 时增强图像背景细节的目的。算法流程见图 1 。