红外与可见光图像快速融合算法
红外与可见光图像快速融合算法作者：钱小燕， 韩磊， 王帮峰， Qian Xiaoyan， Han Lei， Wang Bangfeng作者单位：钱小燕,王帮峰,Qian Xiaoyan,Wang Bangfeng(南京航空航天大学民航学院,南京,210016)， 韩磊,HanLei(南京华为技术有限公司,南京,210000)刊名：计算机辅助设计与图形学学报英文刊名：JOURNAL OF COMPUTER-AIDED DESIGN & COMPUTER GRAPHICS年，卷(期)：2011,23(7)被引用次数：2次
1.Fay D A;Waxman A M;Aguilar M Fusion of 2-/3-/4 sensor imagery for visualization,target learning and search 2000
2.Toet A Applying daytime colors to multiband nightvision imagery 2003
3.Reinhard E;Ashikhmin M;Gooch B Color transfer between images 2001(05)
4.Wang L X;Shi S M;Jin W Q Color fusion algorithm for visible and infrared images based on color transfer in YUV
color space 2007
5.Zheng Y F;Essock E A A local-coloring method for night-vision colorization utilizing image analysis and fusion
2008(02)
6.马爽;方建安;孙韶嫒 基于伪彩色融合图像聚类的夜视图像上色算法[期刊论文]-光学学报 2009(06)
7.钱小燕;肖亮;吴慧中 模糊颜色聚类在颜色传输中的应用[期刊论文]-计算机辅助设计与图形学学报 2006(09)
8.章毓晋 图像处理和分析 1999
1.任海鹏 可见光与红外图像融合研究现状及展望[期刊论文]-舰船电子工程 2013(1)
2.黎宁.张文娜 基于NSCT变换的多源图像融合并行算法[期刊论文]-计算机与数字工程 2012(8)
本文链接：http://d.wanfangdata.com.cn/Periodical_jsjfzsjytxxxb201107015.aspx
基于NSCT和ICA的红外和可见光图像融合方法
第３５卷第１１期 ２０１３年１１月 系统工程与电子技术 Ｓｙｓｔｅｍｓ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ ＶｏＩ＿３５ Ｎｏ．１１ Ｎｏｖｅｍｂｅｒ ２０１３
文章编号：１００１—５０６Ｘ（２０１３）１１—２２５１—０７
基于ＮＳＣＴ和ＩＣＡ的红外和可见光
图像融合方法
邢雅琼，王晓丹，毕 凯，雷 蕾
（空军工程大学防空反导学院，陕西西安７１００５１） 网址：ｗｗｗ．ｓｙｓ ｅｌｅ．ｃｏｍ
摘要：针对基于非下采样轮廓波变换（ｎｏｎ－ｓｕｂｓａｍｐｌｅｄ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ，ＮＳＣＴ）的红外和可见光图像
融合存在的目标信息不明确、融合图像对比度较低的问题，提出了ＮＳＣＴ和独立分量分析（ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏ— ｎｅｎｔ ａｎａｌｙｓｉｓ，ＩＣＡ）的红外和可见光图像融合方法。首先采用ＮＳＣＴ对红外和可见光图像进行多尺度、多方向分
解，然后对分解后的红外和可见光图像的低通子带系数采用基于ＩＣＡ的图像融合方法，得到低通融合图像。再使 用以邻域系数差和信息熵为标准的带通图像融合规则对带通子带系数进行融合，得到带通融合图像。最后对低
通融合图像和带通融合图像进行ＮＳＣＴ的逆变换，从而得到最终的融合图像。仿真实验验证了本文方法的有
效性。 关键词：图像融合；红外和可见光；非下采样轮廓波变换；独立分量分析 中图分类号：ＴＰ ３１２ 文献标志码：Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—５０６Ｘ．２０１３．１１．０４
Ｆｕｓｉｏｎ ｔｅｃｈｎｉｑｕｅ ｆｏｒ ｉｎｆｒａｒｅｄ ａｎｄ ｖｉｓｉｂｌｅ ｌｉｇｈｔ ｉｍａｇｅｓ ｂａｓｅｄ ｏｎ ｉｎｄｅｐｅｎｄｅｎｔ
ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ ａｎｄ ｎｏｎ－ｓｕｂｓａｍｐｌｅｄ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ
ＸＩＮＧ Ｙａ—ｑｉｏｎｇ，ＷＡＮＧ Ｘｉａｏ—ｄａｎ，ＢＩ Ｋａｉ，ＬＥＩ Ｌｅｉ
红外 可见光双光融合技术原理
红外 可见光双光融合技术原理
红外可见光双光融合技术原理是利用红外和可见光两种不同波长的光相互补充和融合的原理。具体原理如下：
1. 红外光原理：红外光是指波长长于可见光的电磁波，其能量低于可见光。红外光在大气中的传播受到较少的干扰，能够穿透一些介质，如烟雾、雾霾以及一些透明度较高的物体，因此具有较好的穿透力。
2. 可见光原理：可见光是人眼可见的电磁波范围，波长在400-700纳米之间。可见光在大气中传播时受到较多的干扰，例如空气中的浮尘、水滴等都会散射、吸收或折射光线，使可见光的传播距离有限。
红外可见光双光融合技术将红外光和可见光相互融合，通过合理的光学设计和信号处理算法，实现以下原理：
1. 红外光补充可见光：红外光具有较好的穿透力，可以补充可见光在大气中的传播距离有限的问题。通过红外光的补充，可以提高成像的清晰度和远距离观测的能力。
2. 可见光增加红外图像的细节：可见光波长范围内的光能够提供更多的细节信息，如颜色、纹理等，在一些特殊应用场景下，帮助更准确地分析和识别目标。通过可见光的叠加，可以提高红外图像的识别能力。
综合利用红外光和可见光的优势，红外可见光双光融合技术可以在不同光照条件下获取更全面、更清晰的图像信息，提高目标的检测和识别能力，同时适应不同应用场景的需求。
一种新的红外与可见光图像融合算法
２０１４年第３３卷第４期 传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ ａｎｄ Ｍｉｃｒｏｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｉｅｓ） １３９
一种新的红外与可见光图像融合算法
何国栋，石建平，冯友宏，谢小娟，杨凌云
（安徽师范大学物理与电子信息学院，安徽芜湖２４１０００）
摘要：提出了一种新的红外与可见光图像融合算法，首先应用非抽样Ｃｏｎｔｏｕｒｌｅｔ变换（ＮＳＣＴ）对图像进 行多尺度、多方向变换，对变换的低频子带采用改进的能量加权法融合，带通子带融合采用最大系数与区 域方差加权相结合方法，然后对融合的２个子带系数进行ＮＳＣＴ反变换，得到融合图像。对不同算法的融 合实验结果进行比较，通过主观和客观评价，该算法融合效果较好。 关键词：图像融合；非抽样Ｃｏｎｔｏｕｒｌｅｔ变换；红外图像；可见光图像 中图分类号：ＴＰ３９１ 文献标识码：Ａ 文章编号：１０００－－９７８７（２０１４）０４－０１３９－０３
Ａ ｎｏｖｅｌ ｉｍａｇｅ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｉｎｆｒａｒｅｄ ａｎｄ ｖｉｓｉｂｌｅ ｌｉｇｈｔ
ＨＥ Ｇｕｏ—ｄｏｎｇ，ＳＨＩ Ｊｉａｎ－ｐｉｎｇ，ＦＥＮＧ Ｙｏｕ—ｈｏｎｇ，ＸＩＥ Ｘｉａｏ—ｊｕａｎ，ＹＡＮＧ Ｌｉｎｇ—ｙｕｎ （Ｃｏｌｌｅｇｅ ｏｆ Ｐｈｙｓｉｃｓ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ，Ａｎｈｕｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈｕ ２４１０００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａ ｉｍａｇｅ ｎｏｖｅｌ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｉｎｆｒａｒｅｄ ａｎｄ ｖｉｓｉｂｌｅ ｉｓ ｐｒｏｐｏｓｅｄ，ｆｉｒｓｔｌｙ，ｔｈｅ ｉｍａｇｅｓ ａｒｅ ｔｒａｎｓｆｏｒｍｅｄ ａｔ ｍｕｌｔｉ—ｓｃａｌｅｓ ａｎｄ ｍｕｈｉ—ｄｉｒｅｃｔｉｏｎｓ ｕｓｉｎｇ ｎｏｎｓｕｂｓａｍｐｌｅｄ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｌｎ（ＮＳＣＴ），ａｎｄ ｔｈｅ ｔｒａｎｓｆｏｒｍｅｄ ｌＯＷ ｆｒｅｑｕｅｎｃｙ ｓｕｂｂａｎｄ ｉｓ ｆｕｓｅｄ ｂｙ ｉｍｐｒｏｖｅｄ ｅｎｅｒｇｙ ｗｅｉｇｈｔｉｎｇ ｍｅｔｈｏｄ，ａｎｄ ｔｈｅ ｂａｎｄｐａｓｓ ｓｕｂｂａｎｄ ｃｏｅｆｆｉｃｉｅｎｔｓ ｉｓ ｆｕｓｅｄ ｂｙ ｍｅｔｈｏｄ ｃｏｍｂｉｎｅｄ ｔｈｅ ｍａｘｉｍｕｍ ｃｏｅｆｆｉｃｉｅｎｔｓ ｗｉｔｈ ｒｅｇｉｏｎａｌ ｖａｒｉａｎｃｅ ｗｅｉｇｈｔｉｎｇ，ｔｈｅｎ ｔｈｅ ｆｕｓｅｄ ｔｗｏ ｓｕｂｂａｎｄ ｃｏｅｆｆｉｃｉｅｎｔｓ ｉＳ ｒｅｃｏｎｓｔｒｕｃｔｅｄ ｂｙ ｉｎｖｅｒｓｅ ＮＳＣＴ ｔｏ ｇｅｔ ｆｕｓｅｄ ｉｍａｇｅ．Ｔｈｅ ｆｕｓｅｄ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔ ｏｆ ｄｉｆｅｒｅｎｔ ａｌｇｏｒｉｔｈｍｓ ａｒｅ ｃｏｍｐａｒｅｄ，ｉｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｈａｓ ｂｅｔｔｅｒ ｆｕｓｉｏｎ ｅｆｆｅｃｔ ｔｈａｎ ｏｔｈｅｒ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍｓ． Ｋｅｙ ｗｏｒｄｓ：ｉｍａｇｅ ｆｕｓｉｏｎ；ｎｏｎｓｕｂｓａｍｐｌｅｄ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ（ＮＳＣＴ）；ｉｎｆｒａｒｅｄ ｉｍａｇｅ；ｖｉｓｉｂｌｅ ｌｉｇｈｔ ｉｍａｇｅ
红外光可见光融合处理
红外光可见光融合处理
红外光和可见光是两种不同波长的光，它们在物理特性和应用领域上有很大的差异。然而，通过红外光和可见光的融合处理，可以实现更加全面和准确的信息获取和分析，具有广泛的应用前景。
红外光和可见光的融合处理可以通过多种技术实现，其中最常用的是图像融合技术。图像融合技术是将多幅图像融合成一幅图像的过程，可以通过像素级、特征级和决策级等不同的融合方法实现。在红外光和可见光的融合处理中，常用的是像素级融合方法，即将两幅图像的像素点进行加权平均，得到一幅新的融合图像。
红外光和可见光的融合处理可以应用于多个领域。在军事领域，红外光和可见光的融合处理可以用于夜视仪和导弹制导系统等设备中，提高目标识别和跟踪的准确性。在环境监测领域，红外光和可见光的融合处理可以用于火灾监测和空气质量监测等方面，提高监测的精度和效率。在医疗领域，红外光和可见光的融合处理可以用于皮肤病的诊断和治疗等方面，提高医疗的准确性和效果。
红外光和可见光的融合处理还可以应用于智能交通领域。通过红外光和可见光的融合处理，可以实现对车辆和行人的智能识别和跟踪，提高交通安全和效率。此外，红外光和可见光的融合处理还可以应用于无人机和机器人等智能设备中，提高其对环境的感知和控制能力。
总之，红外光和可见光的融合处理是一种重要的信息处理技术，具有广泛的应用前景。通过红外光和可见光的融合处理，可以实现更加全面和准确的信息获取和分析，为各个领域的发展提供有力的支持。
基于图像信息的红外与可见光图像融合方法研究
第４０卷第６期 Ｖｏ１．４０ ＮＯ．６ 红外与激光工程 Ｉｎｆｒａｒｅｄ ａｎｄ Ｌａｓｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１１年６月 Ｊｕｎ．２０１１
基于图像信息的红外与可见光图像融合方法研究
马东辉 ，薛群。，柴 奇。，任 彪
（１．脉冲功率激光技术国家重点实验室，安徽合肥２３００３７；２．中国人民解放军９２９８５部队，
福建厦门３６１１００；３．中国人民解放军７３６７８部队，福建厦门３６１００９）
摘 要：研究了红外图像与可见光图像的融合问题，提出了一种基于图像信息的图像融合新算法。首
先利用非采样Ｃｏｎｔｏｕｒｌｅｔ变换的多分辨率特性和平移不变性对图像进行多尺度和多方向分解，得到一
系列子带图像，然后针对图像变换后各带通方向子带高频系数的特点，提出了度量图像信息的融合规
则。图像的低频部分决定了图像的轮廓，对低频子带应用简单的加权平均融合方法；图像的高频子带
系数含有丰富的边缘和细节信息，对高频子带系数采用一种新的度量图像信息的融合量测指标来确
定融合系数。实验结果表明：该算法能够很好地将红外图像与可见光图像进行融合，与其他方法相比，
融合效果更好。
关键词：图像融合；平移不变性； 小波变换； 图像信息
中图分类号：ＴＮ９１１．７３ 文献标志码：Ａ 文章编号：ｌ００７—２２７６（２０ｌ１）０６—１１６８－０４
Ｉｎｆｒａｒｅｄ ａｎｄ ｖｉｓｉｂｌｅ ｉｍａｇｅｓ ｆｕｓｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ０ｎ
● ‘ 一 Ｊ■ ｉｍａｇｅ ｉｎｔｏｒｍａｎ０ｎ
Ｍａ Ｄｏｎｇｈｕｉ ，Ｘｕｅ Ｑｕｎ。，Ｃｈａｉ Ｑｉ。，Ｒｅｎ Ｂｉａｏ
ｆ１．Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｐｕｌｓｅｄ Ｐｏｗｅｒ Ｌａｓｅｒ Ｔｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ ２３００３７，Ｃｈｉｎａ；２．Ｔｈｅ ９２９８５ Ｕｎｉｔ ｏｆ ＰＬＡ Ｘｉａｍｅｎ ３６１１００，Ｃｈｉｎａ；３．Ｔｈｅ ７３６７８ Ｕｎｉｔ ｏｆ ＰＬＡ，Ｘｉａｍｅｎ ３６１００９，Ｃｈｉｎａ）
结合图像特征比的红外与可见光图像融合算法
第４３卷 第１１期 ２０１３年１１月 激光与红外 ＬＡＳＥＲ ＆ ＩＮＦＲＡＲＥＤ Ｖｏ１．４３．Ｎｏ．１１ Ｎｏｖｅｍｂｅｒ，２０１３
文章编号：１００１—５０７８（２０１３）１１—１２３４－０６ ・红外技术及应用・
结合图像特征比的红外与可见光图像融合算法
叶仕通 （广东工业大学华立学院，广东广州５１１３２５）
摘 要：针对现有图像融合算法得到的融合图像清晰度不高以及边缘模糊等问题，提出了一种
结合图像特征比的红外与可见光的图像融合算法，通过小波变换将图像进行分解，并通过计算 低频分量中空间频率比与能量比，来对低频分量中的有效信号进行保留，而对高频分量则是通
过边缘检测算法计算出高频分量中的边缘信号比，来对高频分量的边缘信号进行保留；实验结 果表，该算法能够得到相比其他算法更为清晰的融合图像，具有一定的实用价值。
关键词：图像融合算法；小波变换；红外图像；可见光图像；边缘检验 中图分类号：ＴＰ３９１ 文献标识码：Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－５０７８．２０１３．１１．０７
Ｉｎｆｒａｒｅｄ ａｎｄ ｖｉｓｉｂｌｅ ｉｍａｇｅ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ
ｃｏｍｂｉｎｅｄ ｉｍａｇｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｒａｔｉｏ
ＹＥ Ｓｈｉ—ｔｏｎｇ （Ｈｕａｌｉ Ｃｏｌｌｅｇｅ Ｇｕａｎｇｄｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ ５１１３２５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ ａｔ ｌｏｗ ｄｅｆｉｎｉｔｉｏｎ ａｎｄ ｂｌｕｒｒｅｄ ｅｄｇｅｓ ｏｆ ｔｈｅ ｆｕｓｉｏｎ ｉｍａｇｅ ｔｈａｔ ｏｂｔａｉｎｅｄ ｂｙ ｅｘｉｓｔｉｎｇ ｉｍａｇｅ ｆｕｓｉｏｎ ａｌｇｏ— ｒｉｔｈｍ．ａｎ ｉｎｆｒａｒｅｄ ａｎｄ ｖｉｓｉｂｌｅ ｉｍａｇｅ ｆｕｓｉｏｎ ａ】ｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｃｏｍｂｉｎｅｄ ｉｍａｇｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｒａｔｉｏ ｉｓ ｐｕｔ ｏｕｔ．Ｔｈｅ ｉｍ— ａｇｅ ｉｓ ｄｅｃｏｍｐｏｓｅｄ ｂｙ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ，ａｎｄ ｔｈｅ ｖａｌｉｄ ｓｉｇｎａｌ ｉｎ ｔｈｅ ｌｏｗ ｆｒｅｑｕｅｎｃｙ ｃｏｍｐｏｎｅｎｔ ｉｓ ｒｅｔａｉｎｅｄ ｔｈｒｏｕｇｈ ｃａｌ— ｃｕｌａｔｉｎｇ ｔｈｅ ｌｏｗ—ｆｒｅｑｕｅｎｃｙ ｃｏｍｐｏｎｅｎｔ ｏｆ ｔｈｅ ｓｐａｔｉａｌ ｆｒｅｑｕｅｎｃｙ ｒａｔｉｏ ａｎｄ ｔｈｅ ｅｎｅｒｇｙ ｒａｔｉｏ．Ａｎｄ ｉｎ ｔｈｅ ｈｉｇｈ—ｆｒｅｑｕｅｎｃｙ ｃｏｍｐｏｎｅｎｔｓ，ｅｄｇｅ ｒａｔｉｏ ｉｓ ｃａｌｃｕｌａｔｅｄ ｂｙ ｕｓｉｎｇ ｔｈｅ ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ．Ａｔ ｌａｓｔ，ｔｈｅ ｅｄｇｅ ｏｆ ｔｈｅ ｉｍａｇｅ ｓｉｇｎａｌ ｉｓ ｒｅ— ｒａｉｎｅｄ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｃａｎ ｇｅｔ ｔｈｅ ｃｌｅａｒｅｒ ｆｕｓｉｏｎ ｉｍａｇｅ ｔｈａｎ ｏｔｈｅｒ ａｌｇｏｒｉｔｈｍｓ． Ｋｅｙ ｗｏｒｄｓ：ｉｍａｇｅ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ；ｌｉｆｔｉｎｇ ｗａｖｅｌｅｔ；ｉｎｆｒａｒｅｄ ｉｍａｇｅ；ｖｉｓｉｂｌｅ ｉｍａｇｅ；ｅｄｇｅ ｉｎｓｐｅｃｔｉｏｎ
红外与可见光序列图像融合方法的研究
在军事方面非常典型和有用的一种融合，红外图像不依赖
于外部的光线，利用场景内物体本身各个部分热辐射的差
异获取物体图像的细节。所以红外图像一般较暗、信噪比
低、无彩色信息、缺少层次感，且目标图像与背景对比度低、
边缘模糊。可见光图像对比度相对较高，目标包含一定的细 节信息，但在黑暗背景下具有不易观察的隐蔽性。因此，这
两者的图像融合将有利于综合红外图像较好的目标指示特
性和可见光图像的清晰场景信息，这也正是红外与可见光
图像融合研究的意义。
２．红外与可见光序列图像融合方法
图像融合按照融合在处理流程中的阶段可分为像素级、
特征级和决策级３个层次。目前，基于像素级的红外与可见
光图像融合方法研究比较多，也有一些基于特征级的融合
方法，下面对这些方法做简要论述。
２．１ 传统的图像融合方法
传统的一般以基于像素的图像融合方法居多，根据发展
有简单的图像融合方法，即直接在图像域处理如：ＲＧＢ假彩
合成、ＩＨＳ彩色空间变换、ＰＣＡ主分量变换、ＨＰＦ（高通滤波）
等。随后出现基于多分辨率分解的融合方法，主要有多分辨
率的塔式分解，如高斯塔、拉普拉斯塔形分解、梯度塔等；以
及多分辨率的小波分解方法，如基于Ｍａｌｌａｔ的小波融合等。
可以概括出一般基于像素的图像融合的框架如图１所
示，可以分为３个步骤：（１）对源图像做图像去噪、配准预处
理后，应用单或多分辨率方法来进行分解，这些方法可以是
ＩＨＳ变换、ＰＣＡ主分量变换、金字塔变换及小波变换等；（２）
对分解系数在不同层次使用某一融合规则进行融合；（３）做
逆变换来重建融合图像。
某一甩 融Ａ 融合
像 规则 图
融合
图１一般基于像素的图像融合框架 在对这些融
技术层出不
外与可见光
图像的融合新的方法也在通过实验不断提出，主要体现在
以下几个方面中：
（１）对传统融合方法改进及多种方法互补
根据传统的各种融合方法的优缺点，很多研究提出了改
进的方法以及多种融合方法互补，如文献［１】中结合了于主
红外图像与可见光图像配准方法
红外图像与可见光图像配准方法
引言：
红外图像与可见光图像作为两种不同的图像模式，具有各自独特的特征和应用领域。然而，在某些情况下，我们需要将红外图像与可见光图像进行配准，以实现更准确的分析与识别。本文将介绍一些常用的红外图像与可见光图像配准方法，包括特征点匹配法、相位相关法和深度学习法。
一、特征点匹配法
特征点匹配法是一种常见的红外图像与可见光图像配准方法。该方法基于图像中的特征点，通过计算这些特征点在两个图像中的相对位置和方向，来实现图像的配准。特征点可以是图像中的角点、边缘、纹理等突出的特征。常用的特征点提取算法有SIFT（尺度不变特征变换）和SURF（加速稳健特征）等。在得到特征点之后，可以采用一些算法，如RANSAC（随机一致性算法）来进行特征点的匹配和筛选。
二、相位相关法
相位相关法是另一种常用的红外图像与可见光图像配准方法。该方法利用图像的相位信息进行匹配，通过比较两幅图像的相位差异，来寻找最佳的配准变换参数。相位信息可以通过傅里叶变换等算法来获取。在得到相位信息之后，可以使用相关性匹配或互信息匹配等算法来计算两幅图像之间的相位差。
三、深度学习法 深度学习法是近年来兴起的一种红外图像与可见光图像配准方法。该方法通过使用深度神经网络，学习从红外图像到可见光图像的映射关系，进而实现图像的配准。深度学习方法具有很强的自适应能力和鲁棒性，可以学习到图像内部的复杂特征，并准确地将红外图像与可见光图像对齐。常用的深度学习模型包括卷积神经网络（CNN）和生成对抗网络（GAN）等。
四、实验结果与对比分析
为了验证上述配准方法的效果，我们进行了一系列的实验。实验使用了一组红外图像与可见光图像数据集，并使用不同的配准方法进行图像配准。实验结果表明，特征点匹配法在准确度和速度上较为优秀，但对于图像中的纹理较少的情况效果较差；相位相关法在一定程度上能够克服纹理较少的问题，但对于大角度的旋转和缩放变换效果较差；深度学习法在处理纹理少、旋转角度大等复杂情况下效果较好，但需要较大的训练数据和计算资源。
高效红外与可见光图像配准方法
高效红外与可见光图像配准方法 ----宋停云与您分享----
----宋停云与您分享---- 高效红外与可见光图像配准方法
高效红外与可见光图像配准是一种将红外图像与可见光图像进行对齐的方法，以实现两种图像之间的准确比较和分析。以下是一种基于步骤思维的高效红外与可见光图像配准方法的详细说明：
第一步：图像预处理
在开始图像配准之前，需要对原始红外图像和可见光图像进行预处理。这包括去除图像中的噪声、调整图像的亮度和对比度，并进行图像增强以提高图像质量。
第二步：特征提取
在红外图像和可见光图像中提取特征点是实现图像配准的关键步骤。可以使用常见的特征提取算法，如SIFT（尺度不变特征变换）或SURF（加速稳健特征）算法。特征点应该具有良好的鲁棒性，能够在不同光照条件下保持一致性。
第三步：特征匹配 ----宋停云与您分享----
----宋停云与您分享---- 通过将红外图像和可见光图像中提取的特征点进行匹配，可以确定它们之间的对应关系。常用的特征匹配算法包括最近邻匹配和最佳邻域匹配。匹配过程中，可以使用一些几何约束条件来提高匹配的准确性。
第四步：几何变换
根据特征匹配的结果，可以通过计算变换矩阵来实现红外图像和可见光图像之间的几何变换。常见的几何变换包括仿射变换和透视变换。变换矩阵可以通过最小二乘法或RANSAC（随机抽样一致性）算法来估计。
第五步：图像配准
将红外图像根据几何变换矩阵进行配准，使其与可见光图像对齐。可以使用插值算法填充配准后的图像像素值，以确保图像平滑过渡。
第六步：图像融合
配准后的红外图像和可见光图像可以通过图像融合技术进行合成。常用的图像融合方法包括加权平均法、小波变换法和拉普拉斯金字塔法。图像融合可以提供更丰富、更全面的信息，以帮助进一步的分析和应用。 ----宋停云与您分享----
----宋停云与您分享----
第七步：评估和优化
最后，需要对配准结果进行评估和优化。可以使用一些评估指标，如互信息、均方误差或结构相似性指数来评估配准的质量。如果配准结果不理想，可以通过调整预处理步骤、特征提取参数或特征匹配算法来优化图像配准的效果。
基于边缘检测小波变换的红外与可见光图像融合方法
第３５卷第１期 ２０１３年２月 光学仪器 ＯＰＴＩＣＡＬ ＩＮＳＴＲＵＭＥＮＴＳ Ｖｏ１．３５，Ｎｏ．１ Ｆｅｂｒｕａｒｙ，２０１３
文章编号：１００５—５６３０（２０１３）０１—００１８—０４
基于边缘检测小波变换的红外与
可见光图像融合方法
李 茜 ，郭 佳
（１．西安工业大学电子信息工程学院，陕西西安７１００２１； ３．西安北方光电科技防务有限公司 ＊
，郭小云。
２．西安应用光学研究所，陕西西安７１００６５
，陕西西安７１００４３）
摘要：简要地论述了图像融合中主要的三种像素级融合算法，即简单方法、基于塔形分解以及基 于小波分解的融合方法，在现有的红外与可见光图像融合方法之上，提出了以边缘检测为基础
的一种小波变换图像融合方法，并对融合效果进行了评价。实验结果表明，经该方法对红外与 可见光图像的融合可以提供更多、更有效的信息，提高了图像的分辨效果和人眼对场景目标的
发现和识别概率，融合效果较为理想。 关键词：可见光图像；红外图像；图像融合；边缘检测
中图分类号：ＴＮ ９１１．７３文献标识码：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｒＬ １００５—５６３０．２０１３．Ｏ１．００４
Ａｎ ｉｍｐｒｏｖｅｄ ｉｍａｇｅ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｗａｖｅｌｅｔ ｏｆ ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ
ＬＩ Ｑｉａｎ ，ＧＵＯＪｉａ。，ＧＵＯＸｉａｏｙｕｎ。 （１．Ｓｅｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉ ａｎ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ ａｎ ７１００２１，Ｃｈｉｎａ； ２．Ｘｉ ａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ａｐｐｌｉｅｄ Ｏｐｔｉｃｓ，Ｘｉ ａｎ ７１００６５，Ｃｈｉｎａ； ３．Ｘｉ ａｎ Ｎｏｒｔｈ Ｏｐｔｉｃａｌ—Ｅｌｅｃｔｒｉｃａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｄｅｆｅｎｓｅ Ｃｏ．，Ｌｔｄ．，Ｘｉ ａｎ ７１００４３，Ｃｈｉｎａ）