Науковий вісник НГУ

Метод боротьби з автомобільним ореольним ефектом на основі злиття видимого та інфрачервоного зображень

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Інформаційні технології, системний аналіз та керування

Останнє оновлення: 03 листопада 2015

Опубліковано: 03 листопада 2015

Перегляди: 3752

Автори:

Го Цюаньмінь, Сіаньський Політехнічний університет, г. Сіань 710021, Шааньсі, КНР.

Лі Сяолін, Сіаньський Політехнічний університет, г. Сіань 710021, Шааньсі, КНР.

Реферат:

Мета. Дана стаття описує новий спосіб боротьби з ореольним ефектом для поліпшення показників безпеки при нічному водінні.

Методика. У відповідності до характеристик перетворення колірного простору використовуються алгоритми YUV і IHS для представлення видимого та інфрачервоного зображень, з яких, за допомогою вейвлет-перетворення складової яскравості видимого світла та інфрачервоного зображення, отримана нова складова яскравості, а потім виконується злиття та зворотне перетворення для здобуття нового зображення. Приведені детальні розрахунки та визначальна функція.

Результати. Результат, отриманий за допомогою збору та обробки нічних зображень фар рухомих автомобілів, показує, що алгоритм злиття видимого та інфрачервоного зображення може ліквідовувати ореольний ефект і, у той же час, зберегти деталізацію зображення.

Наукова новизна. Представлена алгоритмом перетворення колірного простору й вейвлет-злиття. IHS і алгоритм вейвлет-перетворення забезпечують поліпшення зображення зі спектральними спотвореннями від фар автомобіля вночі, у той же час, спільне використання алгоритмів YUV-перетворення та вейвлет-перетворення дозволяє отримати чіткішу інформацію. Цей метод є технологічною новиною для наукових досліджень в області автомобілебудування.

Практична значимість. Запропонований алгоритм може бути застосований в області автомобільної безпеки й має високе прикладне значення.

Список літератури / References:

1. Lu, Y., Song, B. and Dong, W.(2014), “Application of chalcogenide glass in car night-vision system”,Infrared and Laser Engineering,vol.43, no.9, pp. 2815–2818.

2. Zhang, Y. and Hong, G.(2005),“An IHS and wavelet integrated approach to improve pan-sharpening visual quality of natural color IKONOS and Quickbirdimages ” ,Information Fusion, vol. 6, no. 3, pp. 225–234.

3. Choi, M.(2001),“A New Look at IHS-like Image Fusion Methods” ,Information Fusion, vol.8, no.2, pp. 177–186.

4. Hong, G., Zhang, Y. and Mercer, B.(2009),“A Wavelet and IHS Integration Method to Fuse High Resolution SAR with Moderate Resolution Multispectral Images”, Photogrammetric Engineering & Remote Sensing, Vol.75, no.10, pp.1213–1223.

5. Deng, L. and Chen, Y.H.(2005), “Controllable remote sensing image fusion method based on wavelet transform”, Journal of Infrared and Millimeter Waves, vol. 24, no.1, pp. 34–38.

6. Liu, G.X. and Yang, W.M.(2001),“Image fusion scheme of Pilxel-Level and Multi-Operator for Infrared and Visible Light Images”, Journal of Infrared and Millimeter Waves, vol. 20, no. 3, pp. 207–210.

7. Xing, Y.Q., Wang, X.D. and Bi, K.(2014),“Fusion technique for grey-scale visible light and infrared images based on independent component analysis and intensity-hue-saturation transform”, Control and Decision, vol. 29, no. 3, pp. 411–417.

8. Zhang, J. and Zhang, J.P.(2008),“Remote sensing image fusion method based on IHS transform”, Journal of Liaoning Technical University,vol.27, no. 3, pp. 350–352.

9. Qian, X., Han, L. and Wang, B.(2011),“A Fast Fusion Algorithm of Visible and Infrared Images”, Journal of Computer-Aided Design & Computer Graphics, vol. 23, no. 7, pp. 1211–1216.

10. Ma, S., Fang, J. and Sun, S.(2009),“Colorizing Algorithm of Night-Vision Image Based on Clustering of False Color Fused Image”,ActaOpticaSinica, vol. 29, no. 6, pp. 1502–1507.

2015_04_quanmin
2015-11-03  668.35 KB  1060

• < Попередня