基于多特征的红外与可见光图像融合方法的研究.docx

基于多特征的红外与可见光图像融合方法的研究
随着红外、可见光等多种传感器的不断发展和应用，获取到了许多重要的信息，例如红外传感器能够获取到目标的热辐射信息，可见光传感器能够获取到目标的外貌信息。在实际应用中，往往需要获取到目标的多种信息，这就需要融合多种传感器的信息。本文主要研究基于多特征的红外与可见光图像融合方法，介绍了传统的融合方法和多特征融合方法，并对本文提出的方法进行实验验证。
传统的融合方法主要有：
1.加权平均法：将红外图像和可见光图像按照给定的权重进行加权平均，得到一个融合图像。
2.小波变换融合法：将红外图像和可见光图像进行小波变换，再进行融合，该方法可以在不同频率范围下对图像信息进行融合。
3.PCA融合法：通过对红外图像和可见光图像进行主成分分析，将主成分进行加权融合，得到一个融合图像。
虽然这些传统的融合方法已经被广泛应用，但存在一些缺点，如加权平均法的权重比较固定，不能适应不同场景下的需求；小波变换融合法需要精细的调参，且过多的小波分量会导致信息的冗余和噪声；PCA融合法不能保证提取的主成分包含所有重要信息。
为了克服这些缺点，本文提出了一种基于多特征的融合方法，该方法将多种特征进行融合，包括亮度、边缘、纹理、颜色等多个方面。具体实现步骤如下：
1.基于双边滤波的亮度增强：对红外图像和可见光图像进行双边滤波，同时保留图像的边缘信息和细节信息，增强图像的亮度。
2.基于Canny算法的边缘提取：对红外图像和可见光图像进行Canny算法边缘检测，提取图像中的边缘信息。
3.基于LBP算法的纹理特征提取：对红外图像和可见光图像进行LBP算法纹理特征提取，提取图像中的纹理信息。
4.基于HSV颜色空间的颜色特征提取：将红外图像和可见光图像转换到HSV颜色空间中，提取H和S通道的颜色信息。
5.基于加权平均法的多特征融合：将以上提取的亮度、边缘、纹理、颜色特征进行加权平均，得到一个融合图像。
对本文提出的多特征融合方法进行实验，结果表明本文提出的方法在一些指标上比传统的融合方法表现更好，同时该方法的可调参数较少，具有较好的实用性。在实际应用中，可以根据需要对不同特征进行加权，以适应不同场景的需求。
综上所述，本文提出了一种基于多特征的红外与可见光图像融合方法，该方法将多种特征进行融合，可以更好地提取图像信息，具有较好的实用性和鲁棒性。但是，本文提出的方法还存在一些问题，如加权平均法可能无法将不同特征进行有效的组合，需要进一步研究如何设计更好的特征融合方法。