封面故事 |影像融合让红外“法眼”棒呆了
提到红外线你会想到什么？《生化危机》中展现主角非凡身手才能通过的死亡阵列？
（图片来源网络）
亦或是让猫咪疯狂追逐欲罢不能的红外光点？
（图片来源网络）
红外线是波长介于微波与可见光之间的电磁波，波长在750nm至1mm之间，是波长比红光长的非可见光，能覆盖室温下物体所发出的热辐射的波段，透过云雾能力比可见光强。红外传感器可以根据目标物体与环境的整体热辐射差异进行成像，不受照明条件和恶劣天气的影响，具有较强的抗干扰能力。
红外图像能够很好地反映复杂背景中隐藏的目标和位置信息，因此在军事国防、安全监控、通讯、探测、医疗等方面有广泛的用途，但也有“硬伤”，那就是对比度较低，细节信息不明显。
（图片来源网络）
而可见光图像虽然在照明、天气等自然条件恶劣的情况下，成像质量容易受到影响，不能有效地显示有遮挡的目标，但较红外图像具有更清晰的背景信息。
《中国图象图形学报》第六期小编推荐封面论文《BEMD分解和W变换相结合的红外与可见光图像融合》，是如何“法眼无边”，利用两类图像的优势，融合生成既目标突出，又对比度高、细节清晰的高质量图像。
引用格式：宫睿, 王小春. BEMD分解和W变换相结合的红外与可见光图像融合[J]. 中国图象图形学报, 2019, 24(6): 987-999.
主题词：红外图像; 可见光图像; W变换; 2维经验模态分解(BEMD); W-BEMD多尺度分解算法; 图像融合
全文链接：
http://www.cjig.cn/html/jig/2019/6/20190614.htm
论文发现已有的BEMD方法或多或少都存在模态混叠现象，对图像的边缘信息捕获不充分，使得融合结果中部分高频细节信息丢失，导致融合图像的对比度降低。
为了更加有效地提取图像的高频信息，抑制BEMD存在的模态混叠现象，论文基于W变换及塔式分解的思想，对BEMD算法进行了改进，提出了一种新的图像多尺度分解算法，简称W-BEMD算法；并在此基础上，进一步提出了一种新的图像融合方法。
W-BEMD算法的主要思想是通过W变换递归地将BEMD分解过程中每层所得低频分量中滞留的高频成分提取出来并叠加到相应的高频分量中。
（图1 W-BEMD 1层分解流程图）
同时，针对传统的基于多尺度变换的图像融合算法的不足，提出了一种基于W变换和二维经验模态分解的红外与可见光图像融合算法。
（图2 基于W-BEMD分解的图像融合框架）
论文设计了大量的比较实验，与基于拉普拉斯金字塔（LP）、离散余弦变换（DCT）、小波变换（DWT）、非下采样contourlet变换（NSCT）和2维经验模态分解（BEMD）等5种图像融合算法进行比较分析。其中，待融合图像如下图3所示。
（图3 4组待融合图像）
（图4 6种方法对4组图像的融合结果）
从结果中可以发现，基于LP和DWT方法的融合结果存在一定的虚影现象，整体视觉效果较模糊，且红外目标辨识度不高。
基于DCT、NSCT和BEMD方法的融合图像虽然对光晕现象有所改进，但红外图像提供的目标信息依旧不明显、偏暗，故融合效果次之。
基于本文方法的融合结果不仅有效保留了可见光场景细节信息(如广告牌上的细节)，而且行人、车辆、红绿灯等红外热目标更加突出。
总体来说，基于本文算法的融合图像清晰度最高，失真最小，视觉效果最佳。
进一步，选取平均梯度（AG）、空间频率（SF）和互信息（MI）等3种常用的客观图像质量评价指标，对各算法的融合结果进行定量分析。
客观评价指标的优势说明本文算法是有效的，其融合图像既突显了红外目标信息，又有效地保持了可见光图像的细节信息，相比其他5种算法的融合结果，本文方法所得结果对比度更高，边缘更清晰、细节更丰富，在保留可见光图像中的细节信息和突出红外图像中的目标信息方面更加有效。
（图片来源网络）
随着系统论、控制论、信息论等基础理论，以及计算机技术、网络技术、通信技术和高效传感器技术等实用技术的快速发展，信息融合技术得到前所未有的发展。有关信息融合的国际会议有：美国三军信息融合年会、SPIE传感器融合年会、国际机器人以及IEEE的相关会议等。
目前，信息融合作为一种智能化信息处理技术，己在工业过程监视、工业机器人、空中交通管制、环境监视、金融系统、气象预报及复杂系统的状态监测与诊断维护等民用领域得到广泛应用。小编将持续关注相关研究进展，也期待各位图粉把更多相关成果通过我们与大家分享。约起吧……
作者简介宫睿，北京林业大学理学硕士，计算数学专业，研究生期间主要从事图像多尺度分析和多传感器图像融合算法研究。
E-mail: gongrui3033@163.com
通信作者王小春，现任北京林业大学理学院教授，硕士生导师。主要研究方向为计算几何、计算机图形学、图像处理。
E-mail:wamgxiao@bjfu.edu.cn
编辑：秀秀
指导/审核：梧桐君
前沿丨观点丨资讯丨独家
扫描下方二维码 关注学报公众号
中国图象图形学报 | 订阅号