红外图像与可见光图像融合 ——笔记 图像融合是将来自不同传感器在同一时间(或者不同时间)对同一目标获取的两幅或者多幅图像合成为一幅满足某种需求图像的过程。 为了获得较好的融合效果，在研究融合算法之前，对图像预处理理论及方法进行了研究。预处理理论主要包括图像去噪、图像配准和图像增强。图像去噪目的是为了减少噪声对图像的影响。图像配准是使处于不同状态下的图像达到统一配准状态的方法。图像增强是为了突出图像中的有用信息，改善图像的视觉效果，并方便图像的进一步融合。 图像融合评价方法：主观评价和客观评价。指标如：均值、标准差、信息熵等。 针对 IHS 变换和小波变换的优缺点，本文提出了一种基于这两种变换结合的图像融合方法。该算法的具体实现步骤如下：先对彩色可见光图像进行 IHS 变换，对红外图像进行增强，然后将变换后得到的 I 分量与已增强的红外图像进行 2 层小波分解，将获得的低频子带和高频子带使用基于窗口的融合规则，而后对分量进行小波重构和 IHS 逆变换，最后得到融合结果。经仿真实验证明，此结果优于传统 IHS 变换和传统小波变换，获得了较好的融合结果，既保持了可见光图像中的大量彩色信息又保留了红外图像的重要目标信息。 红外传感器反映的是景物温度差或辐射差，不易受风沙烟雾等复杂条件的影响。一般来说，红外图像都有细节信息表现不明显、对比度低、成像效果差等缺点，因此其可视性并不是很理想。 可见光成像传感器与红外成像传感器不同，它只与目标场景的反射有关与其他无关，所以可见光图像表现为有较好的颜色等信息，反应真实环境目标情况，但当有遮挡时就无法观察出遮挡的目标。 利用红外传感器发现烟雾遮挡的目标或在树木后的车辆等。在夜间，人眼不能很好的辨别场景中的目标，但由于不同景物之间存在着一定的温度差，可以利用红外传感器，它可以利用红外辐射差来进行探测，这样所成的图像虽然不能直接清晰的观察目标，但是能够将目标的轮廓显示出来，并能依据物体表面的温度和发射率的高低把重要目标从背景中分离出来，方便人眼的判读。但由于自身成像原理以及使用条件等原因，所形成图像具有噪声大、对比度低、模糊不清、视觉效果差等问题。不利于人眼判读。 可以将两者图像融合在一起，这样可以丰富图像信息，提高图像分辨率，增强图像的光谱信息，弥补单一传感器针对特定场景表达的不全面，实现对场景全面清晰准确的表达。 两者的主要区别有： (1)可见光图像与红外图像的成像原理不同，前者依据物体的反射率的不同进行成像，后者依据物体的温度或辐射率不同进行成像，因此红外图像的光谱信息明显不如可见光图像。
红外图像增强算法研究 安阳，胡耀祖 武汉理工大学信息学院，武汉 (430070) E-mail：alen1983@https://www.doczj.com/doc/d215541107.html, 摘要：本文根据红外图像的特点介绍了几种经典的图像增强算法，讨论算法的效果，提出对算法的一些改进，给出了一些改进后的效果。 关键词：红外图像，直方图，锐化 1.引言 红外技术是二战后兴起的一项红外信息转换与处理技术。它研究红外辐射的发射、传输和接收的规律及其应用原理，而红外成像技术是其应用最广泛的方面。随着科技的不断发展，红外热成像技术在军事、科研、工农业生产、医疗卫生等领域的应用越来越广泛，与此同时图像实时处理的研究也得到了迅速发展[1]。 随着红外成像技术的广泛应用，人们对红外图像成像质量的要求越来越高，要提高红外图像的质量可以有两种途径：一是不断研究更高性能的红外探测器;另一个就是要进行红外图像的预处理，从而改善图像质量。 目前随着材料技术的突破，美国，西欧等发达国家在红外成像阵列的研制取得了巨大的发展，高密度，高灵敏度，快响应的红外焦平面阵列在军事上已经得到了应用，非制冷焦平面阵列也得到了快速的发展。 但是由于材料器件的限制，仅仅依靠红外探测器的提高不能完全达到我们所期望的图像质量，而且高精度的探测器件的研制所花费的人力物力是十分巨大的。而解决这个问题的一个有效的手段就是对红外图像进行实时图像预处理。实时图像处理技术能在现有的条件下不仅能提高红外图像质量，而且在较短的时间内迅速改善和提高红外热像仪的各项性能指标。 2.红外图像对比度增强算法 2.1 红外图像的特点 红外成像的目标和背景的红外辐射需经过大气传输、光学成像、光电转换和电子处理等过程，才被转换成为红外图像。所以从红外图像的产生过程分析，红外图像主要有以下特点：1）空间相关性强，对比度低；2）表征对象的温度分布，是灰度图像，分辨率较低，图像比较模糊；3）噪声干扰较大，噪声比较复杂，信噪比低；4）存在器件性的非均匀性等。 我们可以看出红外图像存在很多缺陷，对人眼来说其最显著的特点就是对比度很低，图像很模糊，所以本文主要从对比度提升和图像锐化两个方面进行增强算法的研究。 2.2 红外图像的直方图均衡化及改进 红外图像直方图的特点是像素相对比较集中，灰度值变化不大，使得图像的对比度很低，视觉效果很差。直方图均衡的作用是改变图像中灰度概率分布，使其均匀化。使图像中灰度概率密度较大的像素向附近灰度级扩展，因而灰度层次拉开，而概率密度较小的像素的灰度级收缩，从而让出原来占有的部分灰度级，这样的处理使图像充分有效地利用各个灰度级，因而增强了图像对比度。
红外光谱图解析 一、分析红外谱图 （1）首先依据谱图推出化合物碳架类型，根据分子式计算不饱和度。 公式：不饱和度＝F+1+(T-O)/2 其中： F：化合价为4价的原子个数（主要是C原子）； T：化合价为3价的原子个数（主要是N原子）； O：化合价为1价的原子个数（主要是H原子）。 F、T、O分别是英文4,3 1的首字母，这样记起来就不会忘了 举个例子：例如苯（C6H6），不饱和度＝6+1+（0-6）/2＝4，3个双键加一个环，正好为4个不饱和度。 （2）分析3300~2800cm^-1区域C-H伸缩振动吸收，以3000 cm^-1为界，高于3000cm^-1为不饱和碳C-H伸缩振动吸收，有可能为烯、炔、芳香化合物吗，而低于3000cm^-1一般为饱和C-H伸缩振动吸收。 （3）若在稍高于3000cm^-1有吸收，则应在2250~1450cm^-1频区，分析不饱和碳碳键的伸缩振动吸收特征峰，其中： 炔—2200~2100 cm^-1 烯—1680~1640 cm^-1 芳环—1600、1580、1500、1450 cm^-1 若已确定为烯或芳香化合物，则应进一步解析指纹区，即1000~650cm^-1的频区，以确定取代基个数和位置（顺反，邻、间、对）。 （4）碳骨架类型确定后，再依据其他官能团，如C=O，O-H，C-N 等特征吸收来判定化合物的官能团。 （5）解析时应注意把描述各官能团的相关峰联系起来，以准确判定官能团的存在，如2820、2720和1750~1700cm^-1的三个峰，说明醛基的存在。解析的过程基本就是这样吧，至于制样以及红外谱图软件的使用，一般的有机实验书上都有比较详细的介绍的。 二、记住常见常用的健值 1.烷烃 3000-2850 cm-1C-H伸缩振动 1465-1340 cm-1C-H弯曲振动 一般饱和烃C-H伸缩均在3000 cm-1以下，接近3000 cm-1的频率吸收。 2.烯烃 3100~3010 cm-1烯烃C-H伸缩 1675~1640 cm-1C=C伸缩 烯烃C-H面外弯曲振动（1000~675cm^1）。 3.炔烃 2250~2100 cm-1C≡C伸缩振动 3300 cm-1附近炔烃C-H伸缩振动 4.芳烃 3100~3000 cm-1芳环上C-H伸缩振动 1600~1450 cm-1C=C 骨架振动 880~680 cm-1C-H面外弯曲振动) 芳香化合物重要特征：一般在1600，1580，1500和1450 cm-1可能出现强度不等的4
多聚焦图像融合方法综述 摘要：本文概括了多聚焦图像融合的一些基本概念和相关知识。然后从空域和频域两方面将多聚焦图像融合方法分为两大块，并对这两块所包含的方法进行了简单介绍并对其中小波变换化法进行了详细地阐述。最后提出了一些图像融合方法的评价方法。 关键词：多聚焦图像融合；空域；频域；小波变换法；评价方法 1、引言 按数据融合的处理体系，数据融合可分为：信号级融合、像素级融合、特征级融合和符号级融合。图像融合是数据融合的一个重要分支，是20世纪70年代后期提出的概念。该技术综合了传感器、图像处理、信号处理、计算机和人工智能等现代高新技术。它在遥感图像处理、目标识别、医学、现代航天航空、机器人视觉等方面具有广阔的应用前景。 Pohl和Genderen将图像融合定义为：“图像融合是通过一种特定的方法将两幅或多幅图像合成一幅新图像”，其主要思想是采用一定的方法，把工作于不同波长范围、具有不同成像机理的各种成像传感器对同一场景成像的多幅图像信息合成一幅新的图像。 作为图像融合研究重要内容之一的多聚焦图像融合，是指把用同一个成像设备对某一场景通过改变焦距而得到的两幅或多幅图像中清晰的部分组合成一幅新的图像，便于人们观察或计算机处理。图像融合的方法大体可以分为像素级、特征级、决策级3中，其中，像素级的图像融合精度较高，能够提供其他融合方法所不具备的细节信息，多聚焦融合采用了像素级融合方法，它主要分为空域和频域两大块，即： （1）在空域中，主要是基于图像清晰部分的提取，有梯度差分法，分块法等，其优点是速度快、方法简单，不过融合精确度相对较低，边缘吃力粗糙； （2）在频域中，具有代表性的是分辨方法，其中有拉普拉斯金字塔算法、小波变换法等，多分辨率融合精度比较高，对位置信息的把握较好，不过算法比较复杂，处理速度比较慢。 2、空域中的图像融合 把图像f(x,y)看成一个二维函数，对其进行处理，它包含的算法有逻辑滤波器法、加权平均法、数学形态法、图像代数法、模拟退火法等。 2.1 逻辑滤波器法 最直观的融合方法是两个像素的值进行逻辑运算,如:两个像素的值均大于特定的门限值,
红外热像无损检测图像处理研究现状与进展 来源：《红外技术》 引言 红外热像（infrared thermography）是目前运用非常广泛的一种快速高效的无损检测技术，通过外部施加的热或冷激励使被测物体内的异性结构以表面温度场变化的差异形式表现出来，从而达到缺陷部位的定性和定量分析。其成像原理是利用红外探测仪将接受到的被测物体的红外辐射映射成灰度值，再转化为可视温度分布图（红外热像图）。最早在二战末期应用于军事侦察领域，因其本身具有快速高效、无需停运、无需取样、可进行无污染、非接触、大面积检测、以及其直观成像等优点，而被作为复合材料的无损检测技术应用于工业领域，如航空航天、机械、油气、建筑等领域。 1 、红外热像技术的发展现状 自20世纪以来，红外热像技术得到快速发展。20世纪90年代，美国无损检测协会和材料试验协会针对红外热成像技术指定了相应标准，并在无损检测手册红外与热检测分册中描述了基于红外热像的无损检测技术在各个领域的运用。目前美国、俄罗斯、法国、德国、加拿大、澳大利亚等国已将红外热像技术广泛运用于航空航天复合材料构件内部缺陷及胶接质量的检测、蒙皮铆接质量检测等。近年来，红外热像技术与智能手机、无人机等设备充分结合，并在各个领域广泛使用，如美国的Fluke和FLIR、德国Testo、国内武汉高德、浙江大立等企业。 国内的红外热像检测技术比欧美、俄罗斯等发达国家起步较晚，但经过十几年的发展，目前也取得较为显著的成果。中国特种设备研究院和武汉工程大学将红外热像技术运用于压力设备缺陷检验，取得了一系列显著的成果。西南交通大学、昆明物理研究所、北京航空材料研究院、北京理工大学、西北工业大学等将红外热像技术运用于航空航天夹层结构件的缺陷检测，取得了有效进展。在石油化工领域，各位学者将红外热像技术用于高温高压容器和管道的缺陷、保温层破损、以及内部液体流动情况的检测，也取得了许多成果。 2 、红外图像预处理 红外技术应用的核心工作在于图像的处理及利用，不仅在无损检测领域，在军事监测、人脸识别等领域的应用更加重要。红外图像的处理主要分为图像预处理和图像识别，预处理是开展后续工作的基础，其主要分为图像的非均匀性校正和图像增强两个方面。 2.1 图像的非均匀性校正
红外图像的处理及其MATLAB 函数实现 0.引言 随着红外技术日新月异的发展，红外技术在军事及人们日常生活中有着越来越广泛的应用。但由于红外探照灯及红外探测器件的限制，红外成像系统的成像效果仍然不够理想。在民用监测应用中，主要表现为夜视距离近，图像背景与被监测目标之间对比度模糊，被监测目标细节难以辨认，图像特征信息不明确等方面。为使图像更适于人眼观测、适用于图像后续目标识别及跟踪处理，有必要在红外图像采集和处理上做进一步的研究，来增强红外图像视觉效果。 1. 红外图像的获取及其特点 1.1 红外图像的获取 红外图像主要是由红外热像仪采集的。红外热像仪是一种二维热图像成像装置。热成像系统是一个光学一电子系统，可用于接收波长在m 100~75.0之间的电磁辐射，它的基本功能是将接收到的红外辐射转换成电信号，再将电信号的大小用灰度等级的形式表示，最后在显示器上显示出来。图1.1就是一张采集到的红外图像。 图1.1 输入的红外图像
1.2 红外图像的特点 红外图像反映了目标和背景不可见红外辐射的空间分布，其辐射亮度分布主要由被观测景物的温度和发射率决定，因此红外图像近似反映了景物温度差或辐射差。 根据其成像原理，总结红外图像特点如下： (1)红外热图像表征景物的温度分布，是灰度图像，没有彩色或阴影(立体感觉)，故对人眼而言，分辨率低、分辨潜力差； (2)由于景物热平衡、光波波长、传输距离远、大气衰减等原因，造成红外图像空间相关性强、对比度低、视觉效果模糊； (3)热成像系统的探测能力和空间分辨率低于可见光CCD阵列，使得红外图像的清晰度低于可见光图像； (4)外界环境的随机干扰和热成像系统的不完善，给红外图像带来多种多样的噪声，比如热噪声、散粒噪声、f 1噪声、光子电子涨落噪声等等。噪声来源多样，噪声类型繁多，这些都造成红外热图像噪声的不可预测的分布复杂性。这些分布复杂的噪声使得红外图像的信噪比比普通电视图像低； (5)由于红外探测器各探测单元的响应特性不一致等原因，造成红外图像的非均匀性，体现为图像的固定图案噪声、串扰、畸变等。 由以上五点可知，红外图像一般较暗，且目标与背景对比度低，边缘模糊，视觉效果差。 通过以上比较分析，可以总结：可见光图像与红外图像的成像机理虽然不同(可见光图像是利用物体对光线的反射来获得的，而红外图像是靠物体自身的红外辐射获取的)，但在低照度情况下，可见光图像与红外图像的视觉效果和直方图特征均相同，因此可以采用低照度可见光图像的处理方法来处理红外图像。 2. 红外图像的增强 2.1 图像增强 图像增强是指对图像的某些特征，如边缘、轮廓、对比度等进行强调或突显，以便于观察或做进一步的分析与处理。图像增强不意味着能增加原始的信息，有时甚至会损失一些信息，但图像增强的结果却能加强对特定信息的识别能力，便图像中感兴趣的特征得以加强，从而使这些特征的检测和识别变得更加容易。 图像增强方法的分类如图2.1所示：
摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。 关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言 由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多
光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择 在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清
图像融合的研究背景和研究意义 1概述 2 图像融合的研究背景和研究意义 3图像融合的层次 像素级图像融合 特征级图像融合 决策级图像融合 4 彩色图像融合的意义 1概述 随着现代信息技术的发展，图像的获取己从最初单一可见光传感器发展到现在的雷达、高光谱、多光谱红外等多种不同传感器，相应获取的图像数据量也急剧增加。由于成像原理不同和技术条件的限制，任何一个单一图像数据都不能全面反应目标对象的特性，具有一定的应用范围和局限性。而图像融合技术是将多种不同特性的图像数据结合起来，相互取长补短便可以发挥各自的优势，弥补各自的不足，有可能更全面的反映目标特性，提供更强的信息解译能力和可靠的分析结果。图像融合不仅扩大了各图像数据源的应用范围，而且提高了分析精度、应用效果和使用价值，成为信息领域的一个重要的方向。图像配准是图像融合的重要前提和基础，其误差的大小直接影响图像融合结果的有效性。 作为数据融合技术的一个重要分支，图像融合所具有的改善图像质量、提高几何配准精度、生成三维立体效果、实现实时或准实时动态监测、克服目标提取与识别中图像数据的不完整性等优点，使得图像融合在遥感观测、智能控制、无损检测、智能机器人、医学影像(2D和3D)、制造业等领域得到广泛的应用，成为当前重要的信息处理技术，迅速发展的军事、医学、自然资源勘探、环境和土地、海洋资源利用管理、地形地貌分析、生物学等领域的应用需求更有力地刺激了图像融合技术的发展。 2 图像融合的研究背景和研究意义 Pohl和Genderen对图像融合做了如下定义：图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。它的主要思想是采用一定的算法，把
红外图像与可见光图像融合 笔记 图像融合是将来自不同传感器在同一时间(或者不同时间)对同一目标获取的两幅或者多幅图像合成为一幅满足某种需求图像的过程。 为了获得较好的融合效果，在研究融合算法之前，对图像预处理理论及方法进行了研究。预处理理论主要包括图像去噪、图像配准和图像增强。图像去噪目的是为了减少噪声对图像的影响。图像配准是使处于不同状态下的图像达到统一配准状态的方法。图像增强是为了突出图像中的有用信息，改善图像的视觉效果，并方便图像的进一步融合。 图像融合评价方法：主观评价和客观评价。指标如：均值、标准差、信息熵等。 针对IHS变换和小波变换的优缺点，本文提出了一种基于这两种变换结合的图像融合方法。该算法的具体实现步骤如下：先对彩色可见光图像进行IHS变换，对红外图像进行增强，然后将变换后得到的I分量与已增强的红外图像进 行2层小波分解，将获得的低频子带和高频子带使用基于窗口的融合规则，而后对分量进行小波重构和IHS逆变换，最后得到融合结果。经仿真实验证明，此结果优于传统IHS变换和传统小波变换，获得了较好的融合结果，既保持了可见光图像中的大量彩色信息又保留了红外图像的重要目标信息。 红外传感器反映的是景物温度差或辐射差，不易受风沙烟雾等复杂条件的影响。一般来说，红外图像都有细节信息表现不明显、对比度低、成像效果差等缺点，因此其可视性并不是很理想。 可见光成像传感器与红外成像传感器不同，它只与目标场景的反射有关与其他无关，所以可见光图像表现为有较好的颜色等信息，反应真实环境目标情况，但当有遮挡时就无法观察出遮挡的目标。 利用红外传感器发现烟雾遮挡的目标或在树木后的车辆等。在夜间，人眼不 能很好的辨别场景中的目标，但由于不同景物之间存在着一定的温度差，可以利用红外传感器，它可以利用红外辐射差来进行探测，这样所成的图像虽然不能直接清晰的观察目标，但是能够将目标的轮廓显示出来，并能依据物体表面的温度和发射率的高低把重要目标从背景中分离出来，方便人眼的判读。但由于自身成像原理以及使用条件等原因，所形成图像具有噪声大、对比度低、模糊不清、视觉效果差等问题。不利于人眼判读。 可以将两者图像融合在一起，这样可以丰富图像信息，提高图像分辨率，增强图像的光谱信息，弥补单一传感器针对特定场景表达的不全面，实现对场景全面清晰准确的表达。 两者的主要区别有： (1)可见光图像与红外图像的成像原理不同，前者依据物体的反射率的不同进行成像，后者依据物体的温度或辐射率不同进行成像，因此红外图像的光谱信 息明显不如可见光图像。
一、数据预处理 （1）中心化变换 （2）归一化处理 （3）正规化处理 （4）标准正态变量校正（标准化处理）（Standard Normal Variate,SNV）（5）数字平滑与滤波（Smooth） （6）导数处理（Derivative） （7）多元散射校正（Multiplicative Scatter Correction,MSC） （8）正交信号校正（OSC） 二、特征的提取与压缩 （1）主成分分析（PCA） （2）马氏距离 三、模式识别（定性分类） （1）基于fisher意义下的线性判别分析（LDA） （2）K-最邻近法（KNN） （3）模型分类方法（SIMCA） （4）支持向量机（SVM） （5）自适应boosting方法（Adaboost） 四、回归分析（定量分析） （1）主成分回归（PCR） （2）偏最小二乘法回归（PLS） （3）支持向量机回归（SVR）
一、数据预处理 （1） 中心化变换 中心化变换的目的是在于改变数据相对于坐标轴的位置。一般都是希望数据集的均值与坐标轴的原点重合。若x ik 表示第i 个样本的第k 个测量数据，很明显这个数据处在数据矩阵中的第i 行第k 列。中心化变换就是从数据矩阵中的每一个元素中减去该元素所在元素所在列的均值的运算： u ik k x x x =- ，其中k x 是n 个样本的均值。 (2) 归一化处理 归一化处理的目的是是数据集中各数据向量具有相同的长度，一般为单位长度。其公式为： 'ik x = 归一化处理能有效去除由于测量值大小不同所导致的数据集的方差，但是也可能会丢失重要的方差。 （3）正规化处理 正规化处理是数据点布满数据空间，常用的正规化处理为区间正规化处理。其处理方法是以原始数据集中的各元素减去所在列的最小值，再除以该列的极差。 min() 'max()min() ik ik k k x xk x x x -= - 该方法可以将量纲不同，范围不同的各种变量表达为值均在0~1范围内的数据。但这种方法对界外值很敏感，若存在界外值，则处理后的所有数据近乎相等。 （4） 标准化处理（SNV ）也称标准正态变量校正 该处理能去除由单位不同所引起的不引人注意的权重，但这种方法对界外点不像区间正规化那样的敏感。标准化处理也称方差归一化。它是将原始数据集各个元素减去该元素所在列的元素的均值再除以该列元素的标准差。 ';ik k ik k k x x x S S -==
红外图谱解析 首先应该对各官能团的特征吸收熟记于心，因为官能团特征吸收是解析谱图的基础。 对一张已经拿到手的红外谱图： （1）首先依据谱图推出化合物碳架类型：根据分子式计算不饱和度，公式： 不饱和度＝F+1+(T-O)/2 其中： F：化合价为4价的原子个数（主要是C原子）， T：化合价为3价的原子个数（主要是N原子）， O：化合价为1价的原子个数（主要是H原子）， F、T、O分别是英文4,3,1的首字母。 举个例子：比如苯：C6H6，不饱和度＝6+1+（0-6）/2＝4，3个双键加一个环，正好为4个不饱和度； （2）分析3300~2800cm-1区域C-H伸缩振动吸收；以3000 cm-1为界:高于3000cm-1为不饱和碳C-H伸缩振动吸收，有可能为烯, 炔, 芳香化合物,而低于3000cm-1一般为饱和C-H 伸缩振动吸收； （3）若在稍高于3000cm-1有吸收,则应在2250~1450cm-1频区，分析不饱和碳碳键的伸缩振动吸收特征峰，其中： 炔2200~2100 cm-1 烯1680~1640 cm-1 芳环1600,1580,1500,1450 cm-1 若已确定为烯或芳香化合物，则应进一步解析指纹区，即1000~650cm-1的频区,以确定取代基个数和位置（顺反，邻、间、对）； （4）碳骨架类型确定后,再依据其他官能团,如C=O, O-H, C-N 等特征吸收来判定化合物的官能团； （5）解析时应注意把描述各官能团的相关峰联系起来，以准确判定官能团的存在,如2820，2720和1750~1700cm-1的三个峰，说明醛基的存在。 解析的过程基本就是这样吧，至于制样以及红外谱图软件的使用，一般的有机实验书上都有比较详细的介绍的，这里就不唠叨了。 这是一个令人头疼的问题，有事没事就记一两个吧： 1.烷烃：C-H伸缩振动（3000-2850cm-1） C-H弯曲振动（1465-1340cm-1)
第38卷第4期 2016年8月 光学仪器 OPTICAL INSTRUMENTS Vol. 38，No. 4 August,2016 文章编号：1005-5630(2016)04-0303-05 基于视觉显著性的红外与可见光图像融合 华玮平S赵巨岭S李梦S高秀敏〃 (1.杭州电子科技大学电子信息学院，浙江杭州310018; 2.上海理工大学光电信息与计算机工程学院，上海200093) 摘要：多波段图像融合可以有效综合各个波段图像中包含的特征信息。针对可见光和红外图 像，提出了一种结合红外图像视觉显著性提取的双波段图像融合方法，一方面旨在凸显红外图 像的目标信息，另一方面又尽可能的保留了可见光图像的丰富细节信息。首先，在局部窗口内 实现红外图像的显著性图提取，并通过窗口尺寸的变化形成多尺度的显著性图，并对这些显著 性图进行最大值的优选叠加，以获取能反映整幅红外图像各个尺寸目标的显著性图；其次，通过 结合显著性图与红外图实现显著性图的加权增强；最后，利用增强的红外显著性图进行双波段 图像的融合。通过两组对比实验，数据表明该方法给出的融合图像视觉效果好，运算速度快，客 观评价值优于对比的7种融合方法。 关键词：图像融合；红外图像增强；视觉显著性 中图分类号：TN 911. 73 文献标志码：A doi:10. 3969/j. issa 1005-5630. 2016. 04. 005 Dual-band image fusion for infrared and visible images based on image visual saliency HUA Weiping1, ZHAO Jufeng1, LI Meng1, GAO Xiumin1,2 (1. Electronics and Information College, Hangzhou Dianzi University, Hangzhou 310018, China； 2. School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093，China) Abstract： Dual-band image fusion is able to well synthesize the feature information from the different bands. To fuse visible and infrared images, in this paper, an infrared image visual saliency detection-based approach was proposed. This method aimed to highlight the target information from infrared image, meanwhile preserve abundant detail information from visible one as much as possible. Firstly, visual saliency map was extracted within a local window, and multiple window-based saliency maps could be obtained by changing the size of local window. And the final saliency map was generated by selecting maximum value, and this map could mirror all target information in the infrared image. Secondly，the saliency map was enhanced by combining infrared image and the previous saliency map. Finally, the enhanced saliency map was used for dual-band image fusion. Comparing with other seven methods, the 收稿日期：2015-10-13 基金项目：国家自然科学基金项目（61405052，61378035) 作者简介：华玮平(1994 )，男，本科生，主要从事光学成像等方面的研究。E-m ail:564810049@qq.c〇m 通信作者：赵巨峰(1985 )，男，讲师，主要从事光学成像、图像处理等方面的研究。E-m ail:daba〇zjf@https://www.doczj.com/doc/d215541107.html,.C n
一种红外图像增强算法研究 针对传统红外图像存在的一些不足，提出一种融合多尺度Retinex和小波变换的红外图像增强算法。该算法综合了小波变换多尺度、多分辨率的优点，以及多尺度Retinex红外增强的特性，利用小波变换对图像信号进行分解，对低频系数进行多尺度Retinex算法处理，而对小波分解的高频细分量进行消除噪声并改善图像细节部分，并同时也改善了性噪比、对比度以及亮度均匀性等性能指标。通过仿真该算法可增强图像细节，优化图像整体视觉效果。 标签：红外图像；图像增强；小波变换；多尺度Retinex法 引言 随着现代科技发展及社会进步，红外成像技术已经被广泛应用于军事用途和民用领域。然而因为红外图像采集器件本身的结构和原理限制，及采集过程中复杂的环境因素影响，目前的红外成像效果无法完全满足人们的需求。所以在技术运用中需要对得到的红外图像进行必要的增强处理，以使之更利于视觉分辨，从而更好地确认目标，便于后续智能化分析与处理。 小波变换是一种多分辨率分析方法，其作为一种数学工具近年来得到广泛应用[1]。由于该方法可以将图像分解成不同分辨率的尺度，它具有代表信号在时域和频域的局部特征的能力，因而通过小波重建可使处理后的图像质量得到有效改善。Retinex理论的增强算法可经过原始图像与高斯函数的卷积获得最优亮度估计，改善图像的亮度均匀性[2]。图像能量信息主要在低频部分，通过Retinex 算法可以很好的完成低频子代图像的动态压缩，改善图像整体效果[3]。 文章对红外图像增强算法进行一些针对性研究，提出了一种红外图像增强算法，该算法融合了多尺度的Retinex和小波变换思想。该算法综合了小波变换多尺度、多分辨率的特点，以及Retinex红外增强的优势，实现红外图像增强，通过仿真实现增强效果较好。 1 小波变换基础理论 小波变换是由傅立叶分析发展而来的新兴学科，又称多分辨分析[2]。该方法应用领域十分广泛，理论意义极其重大，无论对古老的自然科学还是新兴的高新技术应用学科都产生强烈的冲击，是目前国际高度关注的前沿领域。 小波变换由于在实域和频域同时具有良好的局部化性质、多分辨率特性、低墒性、去相关性以及选基灵活的特点[4]，使得小波变换方法成为了图像增强领域的研究热点。 二维离散小波变换在分析过程中可以通过一维离散小波变换为基础进行推导，而二维双正交小波变换可以分解为两个一维小波变换，即先进行X方向变
ENVI下的图像融合方法 图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准，才可能得到满意的结果。对于融合方法的选择，取决于被融合图像的特征以及融合目的。 ENVI中提供融合方法有： ?HSV变换 ?Brovey变换 这两种方法要求数据具有地理参考或者具有相同的尺寸大小。RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。 这两种操作方法基本类似，下面介绍Brovey变换操作过程。 （1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。 （2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。 （3）选择Display窗口中选择RGB，单击OK。 （4） Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。 对于多光谱影像，ENVI利用以下融合技术： ?Gram-Schmidt ?主成分（PC）变换 ?color normalized (CN)变换 ?Pan sharpening 这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS等。 这四种方式操作基本类似，下面介绍参数相对较多的Gram-Schmidt操作过程。 （1）打开融合的两个文件。
文章编号21005-5 30(Z 005 04-0083-04 红外图像中弱小目标检测算法概述 卓宁1 孙华燕1 张海江Z (1.装备指挥技术学院 北京10141 ; Z. Z 41部队 8分队 辽宁葫芦岛1Z 5001 摘要2在现代战争中 复杂背景下的红外弱目标检测技术是红外制导系统中一个亟待 解决的问题 也是提高武器系统性能的关键O 现基于小目标检测的现状和最新进展 从空间 滤波和时间滤波的角度对现有的小目标检测技术进行了简单的概述 并分析了今后的研究 方向O 关键词2复杂背景;小目标;空间滤波;时间滤波 中图分类号2TP 3 1.4文献标识码2A Algorithm surveys on small target detection in inf rared image ZHUO Nzng 1 SUN Hua -yan 1 ZH NG Haz -jzang Z (1.Institute of eguipment Command and Technology Beijing 10141 China ; Z.PLA Z 41Command and 8Unit ~uludao 1Z 5001 China Abstract 2In the modern War detection of the small target in the condition of complicated background is an urgent problem for infrared control and guide it is also the key of improving Weapon system capability .Part algorithms of infrared small target detection in the Way of spatial filter and time filter are introduced in this paper based on present and recent technology .Finally the direction of the study are analyzed . Key words 2complicated background ;small target ;spatial filter ;time filter 1引言 现代战争中 要求更早地~在更远的距离上发现和捕获敌方的来袭导弹~飞机等目标 以使防御武器有足够的反应时间O 这时目标的图像很小 只有一个或几个像素 缺乏结构信息 此外视场中可能还有云~地物等各种复杂的背景杂波 目标点极易被噪声所淹没O 因此 复杂背景下低信噪比红外弱小目标检测是武器系统中的关键技术之一 是运动目标探测中一个亟待研究与解决的课题O 为了从二维序列图像中检测到低信噪比红外弱小目标 自70年代以来 国内外学者和专家进行了广 泛而深入的研究 提出了许多有实际意义的检测算法O Bauch [1]等人提出 通过采用一组时间上的高阶差分 来抑制背景干扰 并得到目标运动轨迹O 并用动态规则和状态估计技术来增加目标的可检测性O 然而 这种方法在低信噪比的情况下可能呈现较差的性能O 此后 又有人提出了频域中的三维时空匹配滤波技术 并且把其简化为只在空域中进行的二维匹配滤波 其结果在时间序列中进行递推求和O Irani M [Z ]等人用 计算小邻域上灰度的加权平均再用梯度进行归一化 以此作为运动的度量O 还有由Liou S P 和J ian R C 提出的运动目标检测方法是基于时空空间中运动轨迹任一点上切线和法线的正交性 但是为了得到图像 第Z 7卷第4期 Z 005年8月光学仪器O PTICAL I N S T R U M e N T S V ol.Z 7 N o.4 August Z 005 收稿日期2Z 004-11-1 作者简介2卓宁(1 7 - 女 安徽蚌埠人 工程师 硕士生 主要从事图像信号处理方面的研究O
基于Gram-Schmidt的图像融合方法概述 摘要遥感图像融合的目的是综合来自不同空间分辨率和光谱分辨率的遥感信息，生成一幅具有新空间特征和波谱特征的合成图像。它具有重要的意义和广泛的应用前景。而由于采用的算法或变换方法的不同，融合方法有多种。在众多的融合方法相互比较的过程中，我们发现Gram-Schmidt具有较高的图像保真效果，是一种高效的图像融合方法。由于该算法在遥感图像融合中的应用尚处于起步阶段，对于Gram-Schmidt光谱锐化高保真的影像融合算法的了解尚不全面。对此，对Gram-Schmidt的原理、方法、优势等做了较为详尽的介绍。 关键词遥感融合保真Gram-Schmidt 概述 1 引言 对于光学系统的遥感影像，其空间分辨率和光谱分辨率一直存在着不可避免矛盾。在一定的信噪比的情况下，光谱分辨率的提高必然导致牺牲空间分辨率为代价。然而，通过将较低空间分辨率的多光谱影像和较高空间分辨率的影像的全色波段影像的融合，可以产生多光谱和高空间分辨率的影像。因此，各种基于不同算法的融合方法得到了迅速地发展和广泛地应用。 随着遥感技术的发展，由于对图像解译和反演目标参数的需要，一些简单的融合方法在很大程度上已经无法满足对于光谱信息保持，空间纹理信息增加的迫切需求。例如，对于检测植被活力和生长状态，反演陆地生产力，进行环境评价和矿产勘测等，如果融合后的图像信息的保真度无法满足要求，将会导致错误结果的产生。 通常采用的遥感图像融合方法有IHS变换、Brovey变换、主成分变换、小波变换等。虽然，这些融合方法都能够增加多光谱影像的空间纹理信息特征。但IHS、Brovey、主成分变换等方法易使融合后的影像失真；小波变换光谱信息虽保真相对较好，但小波基选择困难，且计算相对复杂（李存军等，2004）。 基于Gram-schmidt算法的图像融合方法既能使融合影像保真度较好，计算又较为简单。本文将对该影像融合算法的原理、方法以及所具备的优势做较为详尽的介绍。 2 算法简介
图像融合算法概述 摘要：详细介绍了像素级图像融合的原理,着重分析总结了目前常用的像素级图像融合的方法和质量评价标准,指出了像素级图像融合技术的最新进展,探讨了像素级图像融合技术的发展趋势。 关键词：图像融合; 多尺度变换; 评价标准 Abstract:This paper introduced the principles based on image fusion at pixel level in detail, analysed synthetically and summed up the present routine algorithm of image fusion at pixel level and evaluation criteria of its quality. It pointed out the recent development of image fusion at pixel level, and discussed the development tendency of technique of image fusion at pixel level. Key words:image fusion; multi-scale transform; evaluation criteria 1.引言： 图像融合是通过一个数学模型把来自不同传感器的多幅图像综合成一幅满足特定应用需求的图像的过程, 从而可以有效地把不同图像传感器的优点结合起来, 提高对图像信息分析和提取的能力[ 1] 。近年来, 图像融合技术广泛地应用于自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域。图像融合的主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性; 通过对多幅图像间互补信息的处理来提高图像的清晰度。根据融合处理所处的阶段不同,图像融合通常可以划分为像素级、特征级和决策级。融合的层次不同, 所采用的算法、适用的范围也不相同。在融合的三个级别中, 像素级作为各级图像融合的基础, 尽可能多地保留了场景的原始信息, 提供其他融合层次所不能提供的丰富、精确、可靠的信息, 有利于图像的进一步分析、处理与理解, 进而提供最优的决策和识别性能. 2.图像融合算法概述 2.1 图像融合算法基本理论