基于hsv和小波变换的视频抗晕光研究-郭全民.pdf

《基于hsv和小波变换的视频抗晕光研究-郭全民.pdf》由会员分享，可在线阅读，更多相关《基于hsv和小波变换的视频抗晕光研究-郭全民.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第 40卷 第 1期 红 外 技 术Vol.40 No.1 2018 年 1 月 Infrared Technology Jan. 2018 68 基于 HSV 和小波变换的视频抗晕光研究 郭全民，李代娣 （西安工业大学 电子信息工程学院，陕西 西安 710021） 摘要 ： 汽车夜间会车滥用远光灯会造成晕光现象，对逆向车辆司机的视野造成干扰，导致无法看清路况极易诱发交通事故。本文从视觉观察角度出发，利用可见光和红外图像成像特点的互补性，提出HSV 色彩空间变换结合小波变换的方法对图像进行融合，解决夜间行车晕光问题，提高行车安全性。通过对融合结果的主客观分析，本文算法有效消除了晕光，同时图像均

2、值接近 120，信息熵为 7.1768，基本达到最佳视觉观察效果。 关键词 ： 晕光现象；视频图像融合； HSV 空间变换；小波变换 中图分类号 ： TP391 文献标志码 ： A 文章编号 ： 1001-8891(2018)01-0068-06 Video Anti-halation Based on HSV Color Space and Wavelet Transform GUO Quanmin， LI Daidi (School of electronic information engineering, Xian technological university, Xian 7100

3、21, China) Abstract： When cars pass each other at night, halation phenomena may result from the abuse of high-beam lights, which could affect the vision of approaching drivers, preventing them from obtaining clear traffic information and leading to traffic accidents. Using visual observations, we ta

4、ke advantage of the complementarity of visible and infrared imaging features, to propose a method of fusing two images using HSV color space transformation combined with a wavelet transform, thus solving the problem of driving at night and improving traffic safety. Subjective and objective analyses

5、of the fusion results indicate that our algorithm effectively eliminates halos; the mean value of the resulting image is close to 120, and its information entropy is 7.1768, which achieves a superiorvisual effect. Key words： halation phenomenon， video image fusion， HSV space transformation， wavelet

6、transformation 0 引言 夜间行车交会时，不合理使用远光灯会产生严重的晕光现象，使逆向驾驶人员视觉上产生瞬间致盲，不能及时发现前方路况信息，存在引发交通事故的极大隐患。据我国公安部调查数据显示，夜间发生的交通事故中，远光灯的不正确使用占 30% 40%，且该比例有不断上升的趋势1。消除晕光，提高夜间行车安全性具有重大意义。 为了消除晕光对行车的影响，一般在高速公路上采用放置挡光板、种植绿色植物等物理格挡法分隔相向车道，从根本上消除了晕光。但是受到城市区域规划以及经济状况等因素的影响，该方法并不能得到广泛应用。 国内外著名的汽车厂商在部分高档车型上配备了夜视系统2-3。 初期大多配

7、置主动型近红外夜间成像系统，利用红外发光设备主动对目标进行红外光束照射，存在易受强光及安装相似系统车辆的影响、成像距离短、恶劣天气成像效果不佳的缺点。后续发展的基于远红外的被动型抗晕夜视系统，在车辆前端防撞层中安装了 CMOS 传感器， 对车辆前方目标散发的热辐射进行温差探测，在夜间恶劣环境下成像效果良好，相较主动红外夜视系统探测距离远，但获取的图像清晰度较低、质量较差。 为了解决红外图像色彩单一、图像细节信息丢失以及视觉效果差的问题，研究人员做了新的尝试。文献 4提出采用激光调制、红外滤光片，利用偏振消光原理解决逆向车辆大灯强光造成的夜视显示屏白光问题，但仅在相向行驶的汽车中同时安装才能够消

8、除晕光，存在一定的局限性；文献 5对可见光图像做收稿日期 ： 2017-06-20； 修订日期 ： 2017-09-07. 作者简介 ：郭全民（ 1974-） ，男，教授，主要研究方向为智能传感与信息融合、图像处理及机器视觉。 E-mail： 。 基金项目 ：陕西省自然科学基础研究计划项目（ 2014JM8326） ；陕西省教育厅科研计划项目（ 11JK0989） 。 万方数据第 40卷 第 1期 Vol.40 No.1 2018年 1月 郭全民等：基于 HSV和小波变换的视频抗晕光研究 Jan. 2018 69 IHS 变换，用亮度分量和红外图像做小波融合，能够有效消除晕光，处理速度较快，但

9、融合后的图像存在模糊且轮廓信息保存不完整等问题； 文献 6中提出采用 YUV 变换与小波变换的融合方法，该方法消除晕光效果良好，图像细节信息保存较好，但融合图像较暗，不易获取路口及车辆两侧暗处等影响行车安全的细节信息。 为了提高视频图像清晰度及可视化效果，本文利用 HSV 色彩空间接近人眼观察和小波变换多层分解保持细节信息的特性，提出 HSV 结合小波变换的融合算法对可见光色彩图像与红外灰度图像进行融合处理，消除夜间行车晕光现象，确保图像色彩清晰，细节丰富，利于人眼观察的特点。 1 视频抗晕光原理 通过对存在晕光的可见光图像和红外图像进行研究发现，晕光信息主要存在于可见光图像的低频像素点，虽然

10、可见光图像色彩信息丰富，但受到晕光影响，很难观察到除晕光以外的其它信息；红外图像虽然不受晕光影响，但图像分辨率较低，细节信息不丰富，色彩单一，不适于人眼观察。为了得到没有晕光信息且具有良好视觉观察效果的图像，可以利用两幅图像之间的互补性将其进行融合处理。 为了得到视觉效果良好的视频融合结果，将可见光图像转换至 HSV 色彩空间，分解成亮度分量 V、色度分量 H 和饱和度分量 S7-8。通过对各分量的观察，晕光信息主要存在亮度分量 V 中。由于小波变换可将图像分解为不同层次的高、低频分量并进行处理，所以可以利用小波变换弥补 HSV 融合变换丢失细节信息的不足。为了提高算法的实时有效性，单独对存在

11、晕光信息的可见光亮度分量 V 与红外图像进行小波处理，保留 H 分量和 S 分量。由于两个图像传感器所采集到的图像低频近似部分差别不大，所以可对低频部分采取加权平均的小波融合，不但能够保存图像的近似信息，还能够降低晕光现象；而高频细节部分存在较大差异，为了更好地保存图像的细节信息以及光谱信息，对无晕光信息的可见光图像与红外图像采取高频选大的小波融合方法9-10。为了更好地观察图像信息，通过 HSV 逆变换还原色彩图像，得到符合人眼视觉且细节信息丰富的无晕光融合结果。 2 HSV-小波融合的抗晕光算法实现 首先对获得的两路视频图像作预处理操作，然后对可见光彩色图像进行 HSV 空间变换，得到包含

12、晕光信息的亮度分量 V，再将配准后的红外图像与亮度分量 V 采取高频选大、低频平均的规则进行小波融合，得到新的亮度分量 V，最后对亮度分量 V与可见光的色度分量 H、饱和度分量 S 进行 HSV 逆变换，得到最终融合图像。融合算法框图如图 1 所示。 图 1 HSV 与小波变换结合的融合过程 Fig.1 Combining process of HSV and wavelet transform 2.1 图像预处理 夜间同时使用可见光摄像机和红外摄像机对同一晕光图像进行采集，图 2(a)为可见光原始图像，图像背景较暗，很难观察到除晕光以外的其它背景信息；图 2(b)为红外原始图像，图像没有晕光

13、现象，但图像边界信息模糊、对比度较差且存在图像色彩单一、信号灯颜色丢失等问题。此外，由于所采集到的两幅图像信息来自不同传感器，所以会存在空间上的差异。为了减小原始图像自身因素及环境因素对图像融合的影响，需要对原始图像进行滤波、增强、配准等预处理操作。由于模板越小滤波效果越为明显，为了使均值滤波在消除噪声的同时能够保护信号的边缘不被模糊，采用 3 3 模板大小的均值滤波法来消除源图像中存在的噪点，滤波结果如图 2(c)所示；为了提高夜间图像的整体对比度和亮度，采用基于双直方图的快速彩色图像增强算法，主要步骤为：彩图到灰度图的转化、对灰度图片的增强、将灰度图片恢复为色彩图片，该算法可以增强图像的细

14、节信息，并且处理迅速，图 2(d)、图 2(e)分别为增强后的可见光图像和红外图像；为了确保两幅图像在空间域和时间域上的一致性和同步性，更好地消除两幅图像之间的差异，利用六参数的仿射变换法，把增强后的红外灰度图像作为空间域的坐标参考，消除了两幅图像之间角度、尺度和平移等差异，配准结果如图 2(f)所示。 2.2 可见光图像的 HSV 空间变换 对预处理后的可见光图像进行 HSV 空间正变换，得到独立的色度 H、饱和度 S、亮度 V 三个分量。设m max(r, g, b), n min(r, g, b)，其中， r, g, b 分别为归一化处理后 RGB 色彩空间的值， max 是对最大值的求

15、取， min 是对最小值的求取，则 HSV 正变换公式为11： 万方数据第 40卷 第 1期 红 外 技 术Vol.40 No.1 2018 年 1 月 Infrared Technology Jan. 2018 70 (a) 原可见光图像 (b) 原红外图像 (c) 滤波后红外图像 (d) 增强后可见光图像 (e) 增强后红外图像 (f) 配准后可见光图像 图 2 预处理过程 Fig.2 Preprocessing process 0=060( ) ( ) = & = 360 60( ) ( ) = & 120 60( ) ( ) =240 60( ) ( ) =,sg b/m n, rm

16、g bhgb/mn,b r/m n,gmrb/mn,bm -(1) ()/ 000mnm,msm，(2) v m (3) 2.3 可见光与红外图像的小波分解和重构 在得到 H、 S、 V 三个分量后，对可见光的亮度分量和红外灰度图像采用小波分解变换。对图像进行二维小波分解，如式 (4)所示12： () ( )( )( )() ( )( )( )() ( )( )( )() ( )( )( )1H1V1D1,22,22kkmnmnkkmnmnCij C mnh mih n jdij C mnhmignjdij C mngmihnjdij C mngmignj (4) 式中： h()、 g()代表

17、低通和高通滤波器系数； Ck 1(m, n)为待分解图像； Ck代表的是原始图像的低频分量，dkH、 dkV、 dkD分别代表的是原始图像水平高频、竖直高频和对角高频分量。 在二维小波分解后，对两幅图像的高频分量进行绝对值选大处理，可以更好的保存图像的细节信息，如式 (5)所示；低频分量采取加权处理，经实验验证，采用平均加权时，图像效果最好，如式 (6)所示： HHHHHHHVVIV IRV IRR(5) LLL0.5 0.5 IRVV (6) 式中： VH是可见光图像亮度分量的高频分量； IRH是红外图像的高频分量； VL是可见光图像亮度分量的低频分量； IRL是红外图像的低频分量。 通过以

18、上处理，得到了新的高低频分量，再进行小波重构运算，如式 (7)所示13。 H1VD(,) (,)(2 )(2 )(, ) (2 ) (2 )(, ) (2 ) (2 )(, ) (2 ) (2 )kkkijijijikkjCmn Cijhmihnjijh m ig n jijg m ih n jijg mddig n jd(7) 2.4 融合图像的 HSV 逆变换 为了便于人眼识别，需要对小波重构图像进行HSV 逆变换， 得到最终抗晕光融合图像。 设 i h/60，f h 60i，其中， i 为色度分量 h 被 60 整除的商， f为被 60 整除的余数， p v (1 s)， q v (1

19、s f)，t v (1 s (1 f)，则 HSV 逆变换如式 (8)所示14： , ;(=0),;(=1),;(=2),;(=3),;(=4),;(=5)rvgtbpirqgvbpirpgvbtirpgqbvirtg pbvirvg pbqi(8) 3 实验结果及分析 为了验证本文算法的有效性，通过对单一小波融合、 HSV 融合、 HIS-小波融合算法和 YUV-小波融合算法，以及本文提出的基于 HSV 变换结合小波变换融合算法对图像的融合处理，图像的融合结果如图 3所示。 从融合实验结果可以看出， 图 3(a)中 HSV 变换融合结果虽能消除晕光现象，且明亮度较好，但其边缘存在细微噪声且车

20、辆轮廓及道路边缘和路口信息清晰度较差，导致图像整体效果模糊；图 3(b)中小波变万方数据第 40卷 第 1期 Vol.40 No.1 2018年 1月 郭全民等：基于 HSV和小波变换的视频抗晕光研究 Jan. 2018 71 换对原图像光谱信息保存的很好，但车辆两侧仍受到晕光影响，存在光晕现象，影响驾驶员视觉观察，同时路口及背景信息不明显，所以图像整体亮度有待提高；图 3(c)中 YUV-小波融合算法融合结果晕光现象基本消除，但图像整体视觉效果昏暗，导致图像细节信息清晰度降低，不易获取图像暗处信息；图 3(d)中HIS-小波融合算法结果能够很好地消除晕光现象，但不能很好地保存原图像的轮廓信息

21、，导致车辆两侧及道路边缘较模糊；图 3(e)中本文算法融合结果，晕光现象已被消除，并且在对图像整体亮度的提升上有很大改变，图像场景中细节轮廓信息的清晰度明显有所提升，可以十分清楚地观测到车辆两侧道路边沿、花坛中植物的纹理信息以及车辆后方路口处的信息，综合了小波变换对细节信息的保存能力以及 HSV 良好的视觉感观的优点。夜间道路行车时，当有晕光现象发生时，这些信息的有效获取是决定驾驶人员能否安全驾驶的重要因素。 (a) HSV 变换 (b) 小波变换 (c) YUV-小波融合 (d) HIS-小波融合 (e) 本文算法 图 3 融合结果 Fig.3 Fusion results 为了能够更客观评

22、价算法效果，本文引入均值、熵、平均梯度、标准差 4 个客观评价指标15-16对融合结果做进一步分析。 1）均值。代表的是平均像素灰度值的大小，呈现出来的是图像平均亮度，灰度值在 128 左右时，表明处理后的图像明暗感知适合人眼观察，图像视觉画面较优。如式 (9)所示： 11001(, )MNijLIijMN(9) 式中： I(i, j)为某点的像素值； M、 N 为图像的长和宽。 2）熵。它反映的是图像中蕴含信息量的多少，图像所蕴含的信息量越多。其计算如式 (10)所示： 120()log ()LiHpipi(10) 式中： L 表示灰度级总数； p(i)表示第 i 级灰度值的概率。 3）平均

23、梯度。它是用来评价图像的相对清晰程度；该值越大，图像也就愈清晰，其计算如式 (11)所示： 1122001AG ( ) / 2MNxyijIIMN(11) 式中： Ix和 Iy分别代表 x 方向和 y 方向的一阶差分值； M、 N 代表的是图像的长和宽。 4）标准差。图像的各像素灰度值与图像灰度值进行对比所反映出来的分散状态，该值越大，灰度级分散也就越大， 图像的细节、 边缘和纹理信息越清晰。其计算如式 (12)所示： 112001SD ( ( , ) )MNijI ij IMN(12) 式中： I(i, j)为点像素值； M、 N 为图像长和宽； I 为像素均值。 本文在主观评价的基础上，对

24、单一 HSV 融合算法和小波融合算法、 YUV-小波融合算法、 HIS-小波融合算法以及本文 HSV 空间变换结合小波变换的抗晕光融合算法进行客观评价，结果如表 1 所示。 表 1 融合图像客观评价 Table 1 The objective evaluation of fusion result Fusion algorithm Mean Value Entropy Average Gradient Standard Deviation Wavelet 92.6966 6.8132 0.0087 43.3979 HSV 87.6085 7.1283 0.0062 36.8038 HIS-wa

25、velet 73.9336 6.8635 0.0099 38.4684 YUV-wavelet 75.1011 6.8367 0.0083 38.4841 Proposed 119.5488 7.1768 0.0093 38.4739 通过对表 1 中的客观数据的对比分析，采用本文算法，与另外几种融合算法相比，图像的各项指标都有明显改善。融合图像均值有较大提升，较小波融合变换提升了 29.0%，较 HSV 融合变换提升了 36.5%，万方数据第 40卷 第 1期 红 外 技 术Vol.40 No.1 2018 年 1 月 Infrared Technology Jan. 2018 72 较 H

26、IS-小波融合算法提升了 61.6%，较 YUV-小波融合算法提升 59.2%，融合图像的均值达到 119.5488，基本接近最佳视觉观察均值 128，说明本文算法视觉观察效果最佳；融合结果的熵值是 5 种融合算法中最大的，即所包含的信息量是最多的，在信息量的获取上较小波融合提升了 5.3%，较 YUV-小波融合提高4.9%，较 HIS 小波融合提高了 4.5%，较 HSV 提升了0.6%，说明本文算法能够减少信息量的丢失，较好地保存图像的信息量；本文算法的平均梯度值较小波变换提升了 6.9%，较 HSV 变换提升了 50%，较 YUV-小波融合提升了 12%，即图像在细节信息的清晰度上比单一

27、融合算法和 YUV-小波融合算法有较大提升，但较 HIS-小波融合降低了 6%；本文算法融合图像的标准差值与 HIS-小波、 YUV-小波融合结果较接近，说明这 3 种算法纹理信息的清晰度相差不大，但都比单一 HSV 融合算法有较大提升，与小波融合结果的纹理清晰度相比，本文算法还有待提高。 通过对上述客观数据的分析，从视觉角度，本文算法的融合图像整体画面达到了最佳观察效果，在消除晕光的同时，能够更好地保存原始图像的信息量，更准确地还原图像信息的真实性，能够有效提高融合图像的细节信息清晰度。 4 视频图像抗晕光融合分析 在验证了静态图像融合算法有效性的基础上，需要对视频图像做进一步验证。视频融合

28、是将两路视频的每一帧图像数据提取出来，对提取出来的图像使用相同的预处理和融合算法，融合成一路视频图像。本文在 Windows10-64bit 操作系统上，以 OpenCV 2.4.9作为支撑软件，利用 Microsoft Visual Studio 2013，开发出基于 MFC 的视频图像抗晕光软件融合平台，如图 4 所示。 通过对单一 HSV 融合算法、 小波融合算法、 YUV-小波融合算法和 HIS-小波融合算法，以及本文 HSV空间变换结合小波变换的抗晕光融合算法运行时间的统计，得到各融合算法的实时性分析数据如表 2 所示。 由于本文算法只对可见光的亮度分量和红外图像进行单通道小波融合，

29、运算复杂度较小波融合算法大幅降低，但较单一 HSV 融合算法略有增加。经过多次统计得出， 采用小波融合算法运算时间约为 8090ms，融合视频图像存在明显的卡顿感，不能满足视频的实时性要求；采用 HSV 融合算法时间约为 3040ms，融合视频图像极为流畅，能够满足视频实时性要求；采用 HIS-小波、 YUV-小波算法和本文算法运行时间均在 40 50ms 之间。本文算法在 1s 内能够处理 20 25 帧图像，基本能够满足视频的实时性要求。 图 4 视频图像抗晕光软件融合平台 Fig.4 Video image anti-halo software integration platform

30、表 2 融合算法实时性分析 Table 2 Real-time analysis of fusion algorithm Fusion algorithm Complexity Operation time/ms Real time Wavelet Complex 80-90 Bad HSV Easy 30-40 Good HIS-wavelet Moderate 40-50 Almost YUV-wavelet Moderate 40-50 Almost Proposed Moderate 40-50 Almost 通过对静态图像以及视频图像的主客观分析，本文算法能有效消除晕光，提升了融合视

31、频图像的亮度及质量，融合结果符合人眼观察，同时基本满足视频的实时性要求。 5 结论 本文针对汽车在夜间低照度环境行驶过程中的晕光现象，提出采用 HSV 色彩空间变换结合小波变换的算法对可见光和红外图像进行融合处理，通过对融合结果的主客观分析可知，采用本文算法得到的融合图像能够有效地消除晕光信息，在图像细节信息和纹理信息的获取上都有较大提升，并且有较好的视觉观察效果。此外，本文提出的抗晕光融合技术应用在交通、安防监控方面，可提升微光环境下图像暗处细节信息，还可有效解决逆光和强光环境下易产生晕光并伴有图像分辨率较差的问题，有效改善特殊环境下视频监控画面的不理想。 参考文献： 1 陈琳 . 夜间行车

32、远光灯会车法律问题研究 J. 法制与社会 , 2014, 9(23): 万方数据第 40卷 第 1期 Vol.40 No.1 2018年 1月 郭全民等：基于 HSV和小波变换的视频抗晕光研究 Jan. 2018 73 71-72. CHEN Lin. The legal issues study on the high beams car meeting at nightJ. Legal System and Socity, 2014, 9(23): 71-72. 2 芦雅静 , 宋宝安 , 董伟 , 等 . 硫系玻璃在汽车夜视系统中的应用 J. 红外与激光工程 , 2014, 43(9):

33、 2815-2818. LU Yajing, SONG Baoan, DONG Wei, et al. Application of chalcogenide glass in car night-vision systemJ. Infrared and laser engineering, 2014, 43(9): 2815-2818. 3 张志峰 , 翟玉生 , 杨桂栓 , 等 . 基于红外探测技术的汽车夜视系统研究 J. 应用光学 , 2014, 35(6): 1083-1087. ZHANG Zhifeng, ZHAI Yusheng, YANG Guishuan, et al. Ca

34、rs night vision system based on infrared detection techniqueJ. Applied Optics, 2014, 35(6): 1083-1087. 4 董明礼 , 张晶 , 李银柱 , 等 . 激光辅助照明主动红外成像研究 J. 红外技术 , 2006, 28(2): 91-94. DONG Mingli, ZHANG Jing, LI Yinzhu, et al. Study on Active IR Imaging of Laser IlluminationJ. Infrared Technology, 2006, 28(2): 9

35、1-94. 5 郭全民 , 李晓玲 . 基于可见光和红外图像融合的汽车抗晕光方法 J. 红外技术 , 2015, 37(6): 475-478. GUO Quanmin, LI Xiaoling. Vehicles Anti- blooming Method Based on Visible and Infrared Images FusionJ. Infrared Technology, 2015, 37(6): 475-478. 6 王健 , 郑少峰 . 基于 YUV 与小波变换的可见光与红外图像融合 J. 西安工业大学学报 , 2013, 33(3): 209-211. WANG Jia

36、n, ZHENG Shaofeng. Visible and Infrared Image Fusion Based on YUV Color Space and Wavelet TransformJ. Journal of Xian Technological University, 2013, 33(3): 209-211. 7 权亚楠 , 卜丽静 , 武文波 . 改进的阈值加权平均 HSV 与小波变换图像融合 J. 辽宁工程技术大学学报 , 2016, 35(1): 65-69. QUAN Yanan, BU Lijing, WU Wenbo. Improved weighted ave

37、rage of threshold value of HSV and wavelet transform image fusionJ. Journal of Liaoning Technical University, 2016, 35(1): 65-69. 8 秦绪佳 , 王慧玲 , 杜轶诚 , 等 . HSV 色彩空间的 Retinex 结构光图像增强算法 J. 计算机辅助设计与图形学学报 , 2013, 25(4): 488-493. QIN Xujia, WANG Huiling, DU Yicheng, et al. structured Light Image Enhancemen

38、t Algorithm Based on Retinex in HSV Color SpaceJ, Journal of Computer Aided Design and Computer Graphics, 2013, 25(4): 488-493. 9 WANG H H. A New Multiwavelet-Based Approach to Image FusionJ. Journal of Mathematical Imaging and Vision, 2004, 21(2): 177-192. 10 叶传奇 , 王宝树 , 苗启广 . 一种基于区域特性的红外与可见光图像融合算法

39、 J. 光子学报 , 2009, 38(6): 1498-1503. YE Chuanqi, WANG Baoshu, MIAO Qiguang. An infrared and visible image fusion algorithm based on region characteristicsJ. Journal of Photonics, 2009, 38(6):1498-1503. 11 常化文 , 陈春香 . 基于 HSV 变换与小波变换的遥感图像融合 J. 计算机工程与设计 , 2007, 28(23): 5682-5684. CJANG Huawen, CHEN Chunx

40、iang. Image fusion based on HSV color space model and wavelet transformJ. Computer Engineering and design, 2007, 28(23): 5682-5684. 12 HONG Gang, ZHANG Yun, Bryan Mercer. A Wavelet and HIS Integration Method to Fuse High Resolution SAR with Moderate Resolution Multispectral ImagesJ. Photogrammetric

41、Engineering & Remote Sensing, 2009, 30(6): 1213-1223. 13 TAO Guanqun, LI Dapeng, LU Guanghua. Image Fusion Based on Different fusion Rules of Wavelet TransformJ. ACTA PHOTONICA SINCA, 2004, 33(2): 221-224. 14 周彦卿 , 张卫 , 顾静良 , 等 . 基于 HSV 空间的红外偏振图像改进融合算法 J. 激光与红外 , 2014(12): 1379-1383. ZHOU Yanqing, Z

42、HANG Wei, GU Jingliang, et al. Improved infrared polarization imaging fusion based on HSVJ. Laser and Infrared, 2014(12): 1379-1383. 15 孙明超 , 张崇 , 刘晶红 . 多尺度图像增强可见光与红外图像融合 J. 吉林大学学报(工) , 2012, 42(3): 738-742. SUN Mingchao, ZHANG Chong, LIU Jinghong. Fusion of visible and infrared images based on mult

43、i-scale enhancementJ. Journal of Jilin University (Engineering), 2012, 42(3): 738-742. 16 邢素霞 , 陈天华 , 孙梅 . 红外与微光图像融合质量评价方法研究 J. 红外技术 , 2009, 31(7): 407-410. XING Suxia, CHEN Tianhua, SUN Mei. Study on Quality Measures For Infrared and Low-Light-Level Image FusionJ. Infrared Technology, 2009, 31(7): 407-410. 万方数据