2011
年
12
月
第
29
卷第
6
期
西北工业大学学报
Dec.
2011
Vo
l.
29
No.6
Joumal
of
Northwestem
Polytechnical
University
基于
Curvelet
变换与自适应
PCNN
的
红外与可见光图像融合
赵景朝,曲仕茹
(西北工业大学自动化学院,陕西西安
710172)
摘
要:根据红外与可见光图像的成像特点,提出一种基于
Curvelet
变换与自适应
PCNN
(Pul
se
Cou-
pled Neural
Networks)
的图像融合新算法。首先对两幅原始图像进行快速离散
Curvelet
变换,得到不
同尺度与方向下的子带系数;对低频系数采取加权平均融合规则,将高频系数作为
PCNN
的输入,选
取区域能量测度为
PCNN
的连接强度,利用
PCNN
的全局搞合特性和脉冲同步特性选择高频系数;最
后经
Curvelet
逆变换得到融合结果。实验结果表明,该方法得到的融合图像在边缘等细节上比传统
方法具有更好的视觉效果,在煽、平均梯皮、标准差等客观指标上都优于其它方法。
关键词:图像融合,
Curvelet
变换,自适应
PCNN
,区域能量测度
中固分类号
:1
凹
9
1.
4
文献标识码
:A
文章编号
:1
∞
0-2758
(2011 )06
-0
849
-0
5
多源图像融合成为成像制导武器研究的主要内
容,对于复杂地面背景下的目标检测给制导系统提
出了更大的挑战,由于可见光图像可以反映目标的
场景细节信息,红外图像在光照较差时有较优的目
标探测特性,将二者融合可以有效地综合红外图像
中的目标特征与可见光图像中的场景细节,更加有
利于分析和提取图像的重要特征,能够提高制导系
统检测目标的能力。
目前主流的红外可见光图像融合方法大都基于
多分辨分析结构,主要有金字塔变换法、小波变换法
等。但对定义在有限区间上的图像,利用现有多分
辨分析方法进行处理时,在边界处都会因截断误差
而产生边界效应
[1]
,且在光照不足、目标隐藏或目
标和背景颜色接近时,易出现目标信息丢失或减弱
的现象,不能满足人们对目标获取的需求。
Curve
let[2]
具有良好的方向选择与辨识能力和稀疏表达
能力,能够有效地逼近图像中的边缘与纹理等细节
信息,可以克服小波产生的块状效应。脉冲捐合神
经网络
(PCNN)
[3]
具有全局藕合性和脉冲同步性,
能更有效地提取图像的细节特征,考虑了图像全局
特性及每个象素的特性,因此在信息欠缺的情况下
可以弥补多分辨率变换的不足。
本文利用
Curvelet
良好的边界处理能力和
PC
NN
优良的全局特性,有效融合了红外图像的目标
探测特性与可见光图像的丰富细节信息,并在一定
程度上避免了图像融告中的边界失真,取得了较好
的融合效果。
1
离散
Curvelet
变换
在图像处理中,连续
Curvelet
变换中利用窗口
沿环状径向与角度对频域进行的划分,并不适合图
像处理中常用的笛卡尔坐标系,在此采用同中心的
方块区域
U/
ω)
进行频率域的划分。
式中
战
(ω)
=吮
(ω)
飞
(ω)
(1)
W/ω)
=
[φ
'j+1
(
ω)
+供
(ω)
]告
,
j;
注
o
(2)
,句
υ
/2
J
…、
V/
ω)
=
VI~
~21
(3)
飞
α
)1
I
式中,
W
表示半径窗
,
V
表示角度窗,满足相容性条
件且为非负实值。
φ
为低通一维窗口的内积,满足
。
J(ω1
,
ω2)
=φ
(2
-J
ω1
)φ
(2
-J
ω2)
,0
:::三
φ~1
(4)
收稿日期
:2011
-0
3-11
基金项目:航空科学基金
(2
∞
90153
∞
2)
资助
作者简介:赵景朝
(1986
一九西北工业大学硕士研究生,主要从事信息融合、图像处理的研究。