CN110120028A - 一种仿生响尾蛇红外和微光图像彩色融合方法及装置 - Google Patents
一种仿生响尾蛇红外和微光图像彩色融合方法及装置 Download PDFInfo
- Publication number
- CN110120028A CN110120028A CN201811343727.4A CN201811343727A CN110120028A CN 110120028 A CN110120028 A CN 110120028A CN 201811343727 A CN201811343727 A CN 201811343727A CN 110120028 A CN110120028 A CN 110120028A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- lll
- light
- enhanced
- 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.)
- Pending
Links
- 241000271532 Crotalus Species 0.000 title claims abstract description 29
- 230000004927 fusion Effects 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 230000002708 enhancing effect Effects 0.000 claims abstract description 14
- 230000005284 excitation Effects 0.000 claims description 18
- 230000005764 inhibitory process Effects 0.000 claims description 17
- 239000011664 nicotinic acid Substances 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 13
- 230000002093 peripheral effect Effects 0.000 claims description 11
- 238000007500 overflow downdraw method Methods 0.000 claims description 9
- 241000271460 Crotalus cerastes Species 0.000 claims description 7
- 239000012528 membrane Substances 0.000 claims description 7
- 230000001629 suppression Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 238000005286 illumination Methods 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000002156 mixing Methods 0.000 abstract 2
- 230000002902 bimodal effect Effects 0.000 abstract 1
- 230000002401 inhibitory effect Effects 0.000 abstract 1
- 210000004027 cell Anatomy 0.000 description 81
- 238000003384 imaging method Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003623 enhancer Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Medicines Containing Material From Animals Or Micro-Organisms (AREA)
Abstract
本发明涉及图像处理领域，具体涉及一种仿生响尾蛇红外和微光图像彩色融合方法及装置，包括：采用ON‑中心型感受野对红外图像和微光图像边缘信息进行增强；将增强后的红外图像和微光图像输入至响尾蛇增强细胞模型和抑制细胞模型进行处理；将处理后的红外图像和微光图像进行融合得到融合图像；将融合图像映射到R、G、B三个颜色通道生成彩色融合图像。本发明由ON系统边缘信息增强阶段、响尾蛇“增强细胞”和“抑制细胞”处理阶段、融合阶段和RGB空间映射阶段四个阶段构成，通过仿生响尾蛇双模式细胞模型进行红外和微光(可见光)图像彩色融合，不受天气、光照、烟雾影响，分辨率高，实时性好，细节丰富，符合人眼视觉特性，易于人员识别、理解。
Description
技术领域
本发明涉及图像处理领域，具体而言，涉及一种仿生响尾蛇红外和微光图像彩色融合方法及装置。
背景技术
红外图像由于是物体自身的辐射所产生的图像，可以“主动”地获取场景中的目标信息，并且能够很好地显示隐藏的热目标，受照明条件与恶劣天气的影响较小，但是同时由于成像原理的限制，红外图像对比度较低，空间相关性强，目标细节的反映能力也比较差，成像效果不符合人眼视觉习惯。由于可见光传感器所捕获的图像是物体的反射图像，所形成的图像符合人眼观察，图像含有丰富的细节信息。微光图像属于可见光范畴，尤其是在低照度下其内容信息相对红外图像而言更加丰富，可以更好的描述环境的细节信息，但是受到环境与距离的限制，天气不好的时候成像噪声非常大，尤其是对于目标与背景色度差异较小的情况下，容易丢失目标。
将红外和微光图像融合可以极大的方便探测者对两种图像的信息获取，而且还能保持各自的优势。红外和微光图像融合能够有效利用它们各自的特征部分信息，加强对场景的理解能力，突显目标，有助于探测隐蔽伪装的目标，可以提升夜间监测和夜间作战的能力。
发明内容
本发明实施例提供了一种仿生响尾蛇红外和微光图像彩色融合方法及装置，以至少解决现有红外和微光图像单独成像均具有相应缺陷的技术问题。
根据本发明的一实施例，提供了一种仿生响尾蛇红外和微光图像彩色融合方法，包括：
步骤a：采用ON-中心型感受野对红外图像和微光图像边缘信息进行增强；
步骤b：将增强后的红外图像和微光图像输入至响尾蛇增强细胞模型和抑制细胞模型进行处理；
步骤c：将处理后的红外图像和微光图像进行融合得到融合图像；
步骤d：将融合图像映射到R、G、B三个颜色通道生成彩色融合图像。
进一步地，步骤a包括：采用中心兴奋-环绕抑制的ON系统对红外图像和微光图像边缘信息进行增强，获得ON_IR图像和ON_LLL图像。
进一步地，步骤a具体包括：
ON-中心型感受野被动膜动力学方程用于图像处理时为：
其中，i,j为图像中像素点坐标，A为衰减常数，D为细胞基底活性，E和F为极化常数；感受野中心区域Ci,j和感受野周边环绕区域Si,j服从高斯分布，分别为：
其中，和分别是感受野中心区域Ci,j和感受野周边环绕区域Si,j输入图像，*为卷积符号；Gc(m,n)、Gs(p,q)分别为感受野中心区域Ci,j和感受野周边环绕区域Si,j的高斯分布函数，σc、σs分别为其高斯函数宽度，上下标c、s分别是中心区域和环绕区域的简称，中心区域和环绕区域的高斯模板大小分别为m×n和p×q，m、n、p、q为1至3的整数。
进一步地，增强细胞模型由可见光增强红外细胞模型和红外增强可见光细胞模型组成，抑制细胞模型由可见光抑制红外细胞模型和红外抑制可见光细胞模型组成；
采用ON-中心型感受野被动膜方程用来模拟抑制细胞，抑制细胞模型为：
进一步地，步骤b具体包括：
对抑制细胞模型进行变形得到增强细胞模型，增强细胞模型为：
将ON_IR和ON_LLL分别馈入增强细胞的中心兴奋区域和环绕增强区域，得到微光增强红外图像LLL→IR+；将ON_IR和ON_LLL分别馈入抑制细胞的中心兴奋区域和环绕抑制区域，得到微光抑制红外图像LLL→IR-；将ON_LLL和ON_IR分别馈入增强细胞的中心兴奋区域和环绕增强区域，得到红外增强微光图像IR→LLL+；将ON_LLL和ON_IR分别馈入抑制细胞的中心兴奋区域和环绕抑制区域，得到红外抑制微光图像IR→LLL-。
进一步地，步骤c具体包括：
将微光增强红外图像LLL→IR+和微光抑制红外图像LLL→IR-分别馈入ON-中心型感受野的兴奋中心和抑制中心，得到融合图像(IR↑+LLL)-(IR↓-LLL)＝+IR+LLL；将红外增强微光图像IR→LLL+和红外抑制微光图像IR→LLL-分别馈入ON-中心型感受野的兴奋中心和抑制中心，得到融合图像(LLL↑+IR)-(LLL↓-IR)＝+LLL+IR。
进一步地，步骤d具体包括：
将+LLL+IR、ON_LLL、+IR+LLL三个融合图像分别映射到R、G、B三个颜色通道，生成彩色融合图像。
根据本发明的另一实施例，提供了一种仿生响尾蛇红外和微光图像彩色融合装置，包括：
增强单元，用于采用ON-中心型感受野对红外图像和微光图像边缘信息进行增强；
处理单元，用于将增强后的红外图像和微光图像输入至响尾蛇增强细胞模型和抑制细胞模型进行处理；
融合单元，用于将处理后的红外图像和微光图像进行融合得到融合图像；
映射单元，用于将融合图像映射到R、G、B三个颜色通道生成彩色融合图像。
进一步地，ON-中心型感受野为中心兴奋-环绕抑制的ON系统。
进一步地，增强细胞模型由可见光增强红外细胞模型和红外增强可见光细胞模型组成，抑制细胞模型由可见光抑制红外细胞模型和红外抑制可见光细胞模型组成。
本发明实施例中的仿生响尾蛇红外和微光图像彩色融合方法及装置，由ON系统边缘信息增强阶段、响尾蛇“增强细胞”和“抑制细胞”处理阶段、融合阶段和RGB空间映射阶段四个阶段构成，通过仿生响尾蛇双模式细胞模型进行红外和微光(可见光)图像彩色融合，不受天气、光照、烟雾影响，分辨率高，实时性好，细节丰富，符合人眼视觉特性，易于人员识别、理解。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明仿生响尾蛇红外和微光图像彩色融合方法的流程图；
图2为本发明仿生响尾蛇红外和微光图像彩色融合方法的结构图；
图3为本发明仿生响尾蛇红外和微光图像彩色融合装置的连接框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明一实施例，提供了一种仿生响尾蛇红外和微光图像彩色融合方法，参见图1，包括：
步骤a：采用ON-中心型感受野对红外图像和微光图像边缘信息进行增强；
步骤b：将增强后的红外图像和微光图像输入至响尾蛇增强细胞模型和抑制细胞模型进行处理；
步骤c：将处理后的红外图像和微光图像进行融合得到融合图像；
步骤d：将融合图像映射到R、G、B三个颜色通道生成彩色融合图像。
本发明的技术方案由ON系统边缘信息增强阶段、响尾蛇“增强细胞”和“抑制细胞”处理阶段、融合阶段和RGB空间映射阶段四个阶段构成。首先采用ON-中心型感受野对红外图像和微光图像边缘信息进行增强；其次将增强后的图像输入设计的响尾蛇“增强细胞”和“抑制细胞”进行处理；然后将处理后的图片进行融合；最后映射到R、G、B三个颜色通道。通过仿生响尾蛇双模式细胞模型进行红外和微光(可见光)图像彩色融合，不受天气、光照、烟雾影响，分辨率高，实时性好，细节丰富，符合人眼视觉特性，易于人员识别、理解。
参见图2，下面以具体的实施例对本发明进行详细说明，其中,
为：中心兴奋-环绕抑制的ON系统或响尾蛇“抑制细胞”模型；
为：响尾蛇“增强细胞”模型；
IR(Infraredimage)为：红外图像；
LLL(Lowlightlevelimage)为：微光图像。
作为优选的技术方案中，步骤a包括：采用中心兴奋-环绕抑制的ON系统对红外图像和微光图像边缘信息进行增强，获得ON_IR图像和ON_LLL图像。
作为优选的技术方案中，步骤a具体包括：
ON系统边缘信息增强阶段：ON-中心型感受野被动膜动力学方程用于图像处理时为：
其中，i,j为图像中像素点坐标，A为衰减常数，D为细胞基底活性，又称为直流偏移量；E和F为极化常数，又称为Nernst电势；感受野中心区域Ci,j和感受野周边环绕区域Si,j服从高斯分布，分别为：
其中，和分别是感受野中心区域Ci,j和感受野周边环绕区域Si,j输入图像，*为卷积符号；Gc(m,n)、Gs(p,q)分别为感受野中心区域Ci,j和感受野周边环绕区域Si,j的高斯分布函数，σc、σs分别为其高斯函数宽度，上下标c、s分别是中心(center)区域和环绕(surround)区域的简称，中心区域和环绕区域的高斯模板大小分别为m×n和p×q，m、n、p、q为1至3的整数，m×n和p×q一般取3×3和3×3。
感受野中心区域Ci,j和感受野周边环绕区域Si,j均输入红外图像即可对红外图像边缘信息进行增强；感受野中心区域Ci,j和感受野周边环绕区域Si,j均输入微光图像即可对微光图像边缘信息进行增强。
作为优选的技术方案中，增强细胞模型由可见光增强红外细胞模型和红外增强可见光细胞模型组成，抑制细胞模型由可见光抑制红外细胞模型和红外抑制可见光细胞模型组成。
“抑制细胞”由两种细胞构成，即“可见光抑制红外细胞”和“红外抑制可见光细胞”。“抑制细胞”只对一种模态信号刺激有响应，而受到单独的另一种模态信号刺激时则没有响应。但是当神经元细胞在受到两种模态信号共同刺激时，神经元细胞响应将受到抑制，明显变弱。我们采用ON-中心型感受野被动膜方程可用来模拟“抑制细胞”。
“增强细胞”同样也由两种细胞构成，即“可见光增强红外细胞”和“红外增强可见光细胞”。“增强细胞”只对一种模态信号刺激有响应，而受到单独的另一种模态信号刺激时则没有响应。但是当神经元细胞在受到两种模态信号共同刺激时，神经元细胞响应将受到增强，明显变强。
采用ON-中心型感受野被动膜方程可用来模拟“抑制细胞”，即抑制细胞模型为：
作为优选的技术方案中，步骤b具体包括：
响尾蛇“增强细胞”和“抑制细胞”处理阶段：对抑制细胞模型进行变形得到增强细胞模型，增强细胞模型为：
将ON_IR和ON_LLL分别馈入增强细胞的中心兴奋区域和环绕增强区域，得到微光增强红外图像LLL→IR+；将ON_IR和ON_LLL分别馈入抑制细胞的中心兴奋区域和环绕抑制区域，得到微光抑制红外图像LLL→IR-；将ON_LLL和ON_IR分别馈入增强细胞的中心兴奋区域和环绕增强区域，得到红外增强微光图像IR→LLL+；将ON_LLL和ON_IR分别馈入抑制细胞的中心兴奋区域和环绕抑制区域，得到红外抑制微光图像IR→LLL-。
作为优选的技术方案中，步骤c具体包括：
融合阶段：将微光增强红外图像LLL→IR+和微光抑制红外图像LLL→IR-分别馈入ON-中心型感受野的兴奋中心和抑制中心，得到融合图像(IR↑+LLL)-(IR↓-LLL)＝+IR+LLL；将红外增强微光图像IR→LLL+和红外抑制微光图像IR→LLL-分别馈入ON-中心型感受野的兴奋中心和抑制中心，得到融合图像(LLL↑+IR)-(LLL↓-IR)＝+LLL+IR。
作为优选的技术方案中，步骤d具体包括：
RGB空间映射阶段：将+LLL+IR、ON_LLL、+IR+LLL三个融合图像分别映射到R、G、B三个颜色通道，生成彩色融合图像。
实施例2
根据本发明的另一实施例，提供了一种仿生响尾蛇红外和微光图像彩色融合装置，参见图3，包括：
增强单元201，用于采用ON-中心型感受野对红外图像和微光图像边缘信息进行增强；
处理单元202，用于将增强后的红外图像和微光图像输入至响尾蛇增强细胞模型和抑制细胞模型进行处理；
融合单元203，用于将处理后的红外图像和微光图像进行融合得到融合图像；
映射单元204，用于将融合图像映射到R、G、B三个颜色通道生成彩色融合图像。
作为优选的技术方案中，ON-中心型感受野为中心兴奋-环绕抑制的ON系统。
作为优选的技术方案中，增强细胞模型由可见光增强红外细胞模型和红外增强可见光细胞模型组成，抑制细胞模型由可见光抑制红外细胞模型和红外抑制可见光细胞模型组成。
本发明建立响尾蛇“增强细胞”和“抑制细胞”数学模型。采用中心兴奋-环绕抑制的ON系统作为“抑制细胞”模型，并对ON系统进行变形作为“增强细胞”模型。建立仿生响尾蛇红外和微光/可见光图像彩色融合方法结构。结构由ON系统边缘信息增强阶段、响尾蛇“增强细胞”和“抑制细胞”处理阶段、融合阶段和RGB空间映射阶段四个阶段构成。本发明可以完整体现响尾蛇双模式细胞的特点，融合图像色彩层次丰富且目标突出，实时性较好。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的系统实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种仿生响尾蛇红外和微光图像彩色融合方法，其特征在于，包括：
步骤a：采用ON-中心型感受野对红外图像和微光图像边缘信息进行增强；
步骤b：将增强后的红外图像和微光图像输入至响尾蛇增强细胞模型和抑制细胞模型进行处理；
步骤c：将处理后的红外图像和微光图像进行融合得到融合图像；
步骤d：将融合图像映射到R、G、B三个颜色通道生成彩色融合图像。
2.根据权利要求1所述的方法，其特征在于，所述步骤a包括：采用中心兴奋-环绕抑制的ON系统对红外图像和微光图像边缘信息进行增强，获得ON_IR图像和ON_LLL图像。
3.根据权利要求2所述的方法，其特征在于，所述步骤a具体包括：
ON-中心型感受野被动膜动力学方程用于图像处理时为：
其中，i,j为图像中像素点坐标，A为衰减常数，D为细胞基底活性，E和F为极化常数；感受野中心区域Ci,j和感受野周边环绕区域Si,j服从高斯分布，分别为：
其中，和分别是感受野中心区域Ci,j和感受野周边环绕区域Si,j输入图像，*为卷积符号；Gc(m,n)、Gs(p,q)分别为感受野中心区域Ci,j和感受野周边环绕区域Si,j的高斯分布函数，σc、σs分别为其高斯函数宽度，上下标c、s分别是中心区域和环绕区域的简称，中心区域和环绕区域的高斯模板大小分别为m×n和p×q，m、n、p、q为1至3的整数。
4.根据权利要求3所述的方法，其特征在于，所述增强细胞模型由可见光增强红外细胞模型和红外增强可见光细胞模型组成，所述抑制细胞模型由可见光抑制红外细胞模型和红外抑制可见光细胞模型组成；
采用ON-中心型感受野被动膜方程用来模拟抑制细胞，抑制细胞模型为：
5.根据权利要求4所述的方法，其特征在于，所述步骤b具体包括：
对抑制细胞模型进行变形得到增强细胞模型，增强细胞模型为：
将ON_IR和ON_LLL分别馈入增强细胞的中心兴奋区域和环绕增强区域，得到微光增强红外图像LLL→IR+；将ON_IR和ON_LLL分别馈入抑制细胞的中心兴奋区域和环绕抑制区域，得到微光抑制红外图像LLL→IR-；将ON_LLL和ON_IR分别馈入增强细胞的中心兴奋区域和环绕增强区域，得到红外增强微光图像IR→LLL+；将ON_LLL和ON_IR分别馈入抑制细胞的中心兴奋区域和环绕抑制区域，得到红外抑制微光图像IR→LLL-。
6.根据权利要求5所述的方法，其特征在于，所述步骤c具体包括：
将微光增强红外图像LLL→IR+和微光抑制红外图像LLL→IR-分别馈入ON-中心型感受野的兴奋中心和抑制中心，得到融合图像(IR↑+LLL)-(IR↓-LLL)＝+IR+LLL；将红外增强微光图像IR→LLL+和红外抑制微光图像IR→LLL-分别馈入ON-中心型感受野的兴奋中心和抑制中心，得到融合图像(LLL↑+IR)-(LLL↓-IR)＝+LLL+IR。
7.根据权利要求6所述的方法，其特征在于，所述步骤d具体包括：
将+LLL+IR、ON_LLL、+IR+LLL三个融合图像分别映射到R、G、B三个颜色通道，生成彩色融合图像。
8.一种仿生响尾蛇红外和微光图像彩色融合装置，其特征在于，包括：
增强单元，用于采用ON-中心型感受野对红外图像和微光图像边缘信息进行增强；
处理单元，用于将增强后的红外图像和微光图像输入至响尾蛇增强细胞模型和抑制细胞模型进行处理；
融合单元，用于将处理后的红外图像和微光图像进行融合得到融合图像；
映射单元，用于将融合图像映射到R、G、B三个颜色通道生成彩色融合图像。
9.根据权利要求8所述的装置，其特征在于，所述ON-中心型感受野为中心兴奋-环绕抑制的ON系统。
10.根据权利要求8所述的装置，其特征在于，所述增强细胞模型由可见光增强红外细胞模型和红外增强可见光细胞模型组成，所述抑制细胞模型由可见光抑制红外细胞模型和红外抑制可见光细胞模型组成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811343727.4A CN110120028A (zh) | 2018-11-13 | 2018-11-13 | 一种仿生响尾蛇红外和微光图像彩色融合方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811343727.4A CN110120028A (zh) | 2018-11-13 | 2018-11-13 | 一种仿生响尾蛇红外和微光图像彩色融合方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110120028A true CN110120028A (zh) | 2019-08-13 |
Family
ID=67519719
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811343727.4A Pending CN110120028A (zh) | 2018-11-13 | 2018-11-13 | 一种仿生响尾蛇红外和微光图像彩色融合方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110120028A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458877A (zh) * | 2019-08-14 | 2019-11-15 | 湖南科华军融民科技研究院有限公司 | 基于仿生视觉的红外与可见光信息融合的导航方法 |
| CN110942048A (zh) * | 2019-12-11 | 2020-03-31 | 斯云昊 | 一种识别仿鸟无人机的方法及终端 |
| CN111369486A (zh) * | 2020-04-01 | 2020-07-03 | 浙江大华技术股份有限公司 | 一种图像融合处理方法及装置 |
| CN111402306A (zh) * | 2020-03-13 | 2020-07-10 | 中国人民解放军32801部队 | 一种基于深度学习的微光/红外图像彩色融合方法及系统 |
| CN111724333A (zh) * | 2020-06-09 | 2020-09-29 | 四川大学 | 基于早期视觉信息处理的红外图像和可见光图像融合方法 |
| CN112991250A (zh) * | 2021-04-19 | 2021-06-18 | 吉林大学 | 基于响尾蛇视觉成像的红外与可见光图像融合方法 |
| CN113409232A (zh) * | 2021-06-16 | 2021-09-17 | 吉林大学 | 基于响尾蛇视觉成像的仿生假彩色图像融合模型及方法 |
| CN113542562A (zh) * | 2021-07-12 | 2021-10-22 | 黑龙江生物科技职业学院 | 一种双光融合无人机的图像采集系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177433A (zh) * | 2013-04-09 | 2013-06-26 | 南京理工大学 | 红外与微光图像融合方法 |
| CN108122220A (zh) * | 2017-12-11 | 2018-06-05 | 深圳先进技术研究院 | 红外图像与微光图像融合系统及方法 |
| CN108133470A (zh) * | 2017-12-11 | 2018-06-08 | 深圳先进技术研究院 | 红外图像与微光彩色图像融合系统及方法 |
| CN108230260A (zh) * | 2017-12-06 | 2018-06-29 | 天津津航计算技术研究所 | 一种新型红外图像与微光图像的融合方法 |
-
2018
- 2018-11-13 CN CN201811343727.4A patent/CN110120028A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177433A (zh) * | 2013-04-09 | 2013-06-26 | 南京理工大学 | 红外与微光图像融合方法 |
| CN108230260A (zh) * | 2017-12-06 | 2018-06-29 | 天津津航计算技术研究所 | 一种新型红外图像与微光图像的融合方法 |
| CN108122220A (zh) * | 2017-12-11 | 2018-06-05 | 深圳先进技术研究院 | 红外图像与微光图像融合系统及方法 |
| CN108133470A (zh) * | 2017-12-11 | 2018-06-08 | 深圳先进技术研究院 | 红外图像与微光彩色图像融合系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| ZHEN ZHANG ET AL.: "Bionic Algorithm for Color Fusion of Infrared and Low Light Level Image Based on Rattlesnake Bimodal Cells", 《IEEE ACCESS》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458877A (zh) * | 2019-08-14 | 2019-11-15 | 湖南科华军融民科技研究院有限公司 | 基于仿生视觉的红外与可见光信息融合的导航方法 |
| CN110942048A (zh) * | 2019-12-11 | 2020-03-31 | 斯云昊 | 一种识别仿鸟无人机的方法及终端 |
| CN111402306A (zh) * | 2020-03-13 | 2020-07-10 | 中国人民解放军32801部队 | 一种基于深度学习的微光/红外图像彩色融合方法及系统 |
| CN111369486A (zh) * | 2020-04-01 | 2020-07-03 | 浙江大华技术股份有限公司 | 一种图像融合处理方法及装置 |
| CN111369486B (zh) * | 2020-04-01 | 2023-06-13 | 浙江大华技术股份有限公司 | 一种图像融合处理方法及装置 |
| CN111724333A (zh) * | 2020-06-09 | 2020-09-29 | 四川大学 | 基于早期视觉信息处理的红外图像和可见光图像融合方法 |
| CN111724333B (zh) * | 2020-06-09 | 2023-05-30 | 四川大学 | 基于早期视觉信息处理的红外图像和可见光图像融合方法 |
| CN112991250A (zh) * | 2021-04-19 | 2021-06-18 | 吉林大学 | 基于响尾蛇视觉成像的红外与可见光图像融合方法 |
| CN113409232A (zh) * | 2021-06-16 | 2021-09-17 | 吉林大学 | 基于响尾蛇视觉成像的仿生假彩色图像融合模型及方法 |
| CN113409232B (zh) * | 2021-06-16 | 2023-11-10 | 吉林大学 | 基于响尾蛇视觉成像的仿生假彩色图像融合模型及方法 |
| CN113542562A (zh) * | 2021-07-12 | 2021-10-22 | 黑龙江生物科技职业学院 | 一种双光融合无人机的图像采集系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110120028A (zh) | 一种仿生响尾蛇红外和微光图像彩色融合方法及装置 | |
| Zhang et al. | Joint transmission map estimation and dehazing using deep networks | |
| Liang et al. | Single underwater image enhancement by attenuation map guided color correction and detail preserved dehazing | |
| Shi et al. | Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement | |
| Drews et al. | Transmission estimation in underwater single images | |
| CA2719992C (en) | Automatic face detection and identity masking in images, and applications thereof | |
| Yeh et al. | Haze effect removal from image via haze density estimation in optical model | |
| Yu et al. | Real‐time single image dehazing using block‐to‐pixel interpolation and adaptive dark channel prior | |
| AU2013266187B2 (en) | Systems and methods for rendering virtual try-on products | |
| Li et al. | Single image haze removal using content‐adaptive dark channel and post enhancement | |
| US10762649B2 (en) | Methods and systems for providing selective disparity refinement | |
| Li et al. | A multi-scale fusion scheme based on haze-relevant features for single image dehazing | |
| CN107316286B (zh) | 一种图像中雨雾同步合成、去除的方法和装置 | |
| CN107172354B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
| CN109064390A (zh) | 一种图像处理方法、图像处理装置及移动终端 | |
| Guo et al. | Single image dehazing based on fusion strategy | |
| Yu et al. | A false color image fusion method based on multi-resolution color transfer in normalization YCBCR space | |
| CN109785228B (zh) | 图像处理方法、装置、存储介质和服务器 | |
| CN108431751A (zh) | 背景去除 | |
| CN111127476A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
| CN113052923B (zh) | 色调映射方法、装置、电子设备和存储介质 | |
| WO2017173578A1 (zh) | 一种图像增强方法及装置 | |
| CN109816694A (zh) | 目标跟踪方法、装置及电子设备 | |
| Rao et al. | An Efficient Contourlet-Transform-Based Algorithm for Video Enhancement. | |
| Wang et al. | Multiscale single image dehazing based on adaptive wavelet fusion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190813 |
|
| RJ01 | Rejection of invention patent application after publication |