真彩色傳遞雙波段圖像融合

許廷發(fā)，李俊濤，張一舟，申子宜，郭巳秋

(北京理工大學(xué)光電學(xué)院光電成像技術(shù)與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，北京100081)

1 引言

由于單一圖像傳感器具有信噪比低，圖像缺乏深度感，工作環(huán)境、條件有限等缺點(diǎn)，目前世界上許多國家都在積極發(fā)展圖像融合技術(shù)。綜合紅外與微光或紅外與可見光圖像，可以充分發(fā)掘、利用二者的圖像特征信息，便于后續(xù)的圖像理解［1-4］，如微光、紅外圖像融合能夠提高戰(zhàn)場偽裝目標(biāo)識(shí)別率，將融合技術(shù)應(yīng)用到目標(biāo)跟蹤上，能提高跟蹤系統(tǒng)的性能。在視頻監(jiān)控領(lǐng)域，融合技術(shù)能實(shí)現(xiàn)特殊環(huán)境(如霧霾、低照度、雨雪天氣)下全天候監(jiān)控。醫(yī)學(xué)圖像融合則有利于及時(shí)、準(zhǔn)確地發(fā)現(xiàn)病變部位。農(nóng)業(yè)上，遙感圖像融合有利于農(nóng)作物病蟲害、旱澇災(zāi)害的預(yù)警［5］。圖像融合還廣泛應(yīng)用于電力故障診斷、石油化工、鋼鐵、科學(xué)研究、消防、建筑檢測等諸多領(lǐng)域。

彩色融合可分為偽彩色融合和基于顏色傳遞的真彩色融合。偽彩融合方法包括直接映射和基于生物視覺特性的融合方法。直接映射法由于沒有考慮人眼的視覺特性，獲得的融合圖像色彩不自然，容易造成觀察者視覺疲勞?；谏镆曈X的彩色圖像融合考慮了人類的視覺特性，獲得的融合圖像具有適合人眼觀察的自然色彩，美國MIT實(shí)驗(yàn)室的Waxman利用對(duì)抗受域理論提出了微光和紅外圖像對(duì)抗融合［6］，但方法比較復(fù)雜，不易于硬件實(shí)現(xiàn)。荷蘭人力因素所(TNO)的A.Toet等提出了類似于生物彩色對(duì)抗機(jī)理的以源圖像共有成分和特有成分分析為基礎(chǔ)的彩色映射方法［7］，其優(yōu)點(diǎn)是運(yùn)算速度快，便于硬件實(shí)現(xiàn)，但獲得的融合圖像色彩過于鮮明。文獻(xiàn)［8］中A.Toet利用美國猶他大學(xué)的Reinhard提出的顏色傳遞理論實(shí)現(xiàn)了彩色圖像融合，獲得的圖像具有近自然感彩色效果，但需要RGB空間lαβ空間相互轉(zhuǎn)換，運(yùn)算量大，不利于硬件實(shí)現(xiàn)。受Reinhard顏色傳遞技術(shù)及A.Toet方法的啟示，國內(nèi)李光鑫等提出了快速YCBCR空間變換融合原理及LCT(亮度-對(duì)比度)傳遞技術(shù)［9］，獲得的彩色融合圖像具有較高的亮度、對(duì)比度且計(jì)算簡單，但只適用于紅外與彩色可見光圖像融合。文獻(xiàn)［10］提出基于非下采樣Contourlet變換的紅外、可見光圖像融合方法，圖像經(jīng)非下采樣Contourlet變換后能量更加集中，可提供更多的圖像信息。但Contourlet變換分解、重構(gòu)圖像過程復(fù)雜，不利于硬件實(shí)現(xiàn)。文獻(xiàn)［11］綜合對(duì)比了平均(PA)法、選大(SM)法、主成分分析(PCA)法、高通濾波法、拉普拉斯金字塔法及小波變換等融合算法的融合效果，指出基于塔形分解和小波變換的方法從圖像特征層考慮圖像融合，將圖像分解到不同頻帶，對(duì)不同頻帶代表的圖像特征按照設(shè)計(jì)的融合規(guī)則以有效融合圖像的特征信息，獲得的融合圖像保留了源圖像更多的細(xì)節(jié)。其它主流融合算法還有基于離散余弦變換(DCT)、曲波變換(Curvelet)及自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)的圖像融合算法［12-14］，但大都計(jì)算復(fù)雜，很難硬件實(shí)現(xiàn)。

本文在研究了彩色圖像融合結(jié)構(gòu)和色彩傳遞算法的基礎(chǔ)上，結(jié)合塔形分解融合算法從特征層考慮圖像融合且計(jì)算簡單及對(duì)不同場景適應(yīng)性強(qiáng)的優(yōu)點(diǎn)，提出了改進(jìn)的基于拉普拉斯金字塔分解及對(duì)比度可調(diào)的色彩傳遞圖像融合算法，該算法能盡可能保留源圖像的信息，適當(dāng)調(diào)節(jié)一些參數(shù)即可獲得一幅高對(duì)比度的彩色融合圖像。

2 改進(jìn)的雙波段圖像彩色融合方法

2.1 雙波段(可見、中波紅外)圖像彩色融合結(jié)構(gòu)

彩色圖像融合算法從顏色空間上劃分主要有基于RGB、HSV空間及YUV空間3種，從融合結(jié)構(gòu)的組合方式上分為直接映射組合、線性組合和非線性組合三類［15］，考慮到顯示器件的特性，工程中一般采用YUV空間和RGB空間線性組合式融合結(jié)構(gòu)，如下式所示:

式中:Vis表示一幅可見光圖像，IR表示同尺寸的紅外圖像，m1，m2，…m6為正的有理數(shù)。RGB空間線性組合與式(1)相似，線性組合法的優(yōu)點(diǎn)是運(yùn)算簡單，便于硬件實(shí)現(xiàn)，能獲得一定的融合效果，但6個(gè)參數(shù)的選取具有實(shí)驗(yàn)隨機(jī)性，簡單的加權(quán)容易導(dǎo)致圖像特征和細(xì)節(jié)信息丟失，獲得的融合圖像往往對(duì)比度較低，邊緣細(xì)節(jié)下降。A.Toet指出，用一幅高質(zhì)量的灰度融合圖像代替亮度分量可以盡可能多地保留源圖像的信息。本文對(duì)式(1)進(jìn)行改進(jìn)，提出基于拉普拉斯圖像金字塔的YUV空間非線性融合系統(tǒng)，融合結(jié)構(gòu)如下:

其中:FLA表示用拉普拉斯圖像金字塔法獲得的灰度融合圖像，Vis表示可見光圖像，IR表示同尺寸的紅外圖像。金字塔分解法將圖像分解到不同的空間頻帶，采用不同的融合規(guī)則可以突出特定頻帶上的特征與細(xì)節(jié)，用拉普拉斯圖像金字塔法獲得的灰度融合圖像較其它方法相比細(xì)節(jié)信息失真較少。因此將FLA映射為亮度通道YS可以使融合圖像保留更多的細(xì)節(jié)信息。式中CB，S，CR，S分別表示藍(lán)色、紅色與亮度的差異信號(hào)，將可見光圖像與紅外圖像相減獲得的差異圖像映射到CB，S通道以突出二者的差異，將紅外圖像直接映射到CR，S通道可以突出紅外目標(biāo)，得到的彩色融合圖像較為符合人眼的視覺特性。

2.2 拉普拉斯圖像金字塔圖像融合原理［16］

(1)原始圖像拉普拉斯金字塔分解

圖像的拉普拉斯金字塔構(gòu)成由高斯金字塔演變而來，首先對(duì)圖像進(jìn)行高斯金字塔分解，設(shè)原始圖像為G0，則高斯金字塔底層為G0，第L層高斯金字塔圖像GL的獲得是由高斯核函數(shù)(5×5或者3×3權(quán)值窗口)對(duì)低層圖像進(jìn)行卷積運(yùn)算，并對(duì)卷積運(yùn)算之后的圖像隔行隔列采樣實(shí)現(xiàn)，如式(3)所示。

式中，w(m，n)為二維可分離高斯核，核模版尺寸為3×3或者5×5，N表示高斯金字塔分解層數(shù)，RL和CL分別表示高斯金字塔第L層的行數(shù)和列數(shù)。

拉普拉斯金字塔的頂層LN為GN，第L層是通過將高斯金字塔GL+1內(nèi)插放大得到EL，然后用GL減去EL獲得，如式(4)所示。

(2)按融合規(guī)則對(duì)各分解層融合

實(shí)驗(yàn)中分別對(duì)紅外圖像和可見光圖像做三層拉普拉斯分解，然后對(duì)各層按照一定的融合規(guī)則進(jìn)行融合。傳統(tǒng)的融合規(guī)則主要有基于對(duì)應(yīng)像素點(diǎn)及基于區(qū)域像素的兩大類，基于像素點(diǎn)的有像素選大、選小或者簡單加權(quán)平均融合等?；趨^(qū)域的融合規(guī)則是選定以像素點(diǎn)為中心的3×3窗口內(nèi)的像素，按融合規(guī)則進(jìn)行關(guān)系計(jì)算。針對(duì)拉普拉斯金字塔圖像各個(gè)分解層一般選用基于區(qū)域能量、區(qū)域梯度、區(qū)域熵等融合準(zhǔn)則。本文對(duì)源圖像進(jìn)行三層拉普拉斯金字塔分解，對(duì)頂層采用基于像素的加權(quán)平均，對(duì)其它層采用區(qū)域能量的融合準(zhǔn)則。頂層圖像融合結(jié)果為:

式中，GAN代表可見光圖像拉普拉斯頂層圖像，GBN代表紅外圖像拉普拉斯頂層圖像。對(duì)其它層定義3×3窗口W內(nèi)的能量分別為:

定義能量匹配度為:(3)由拉普拉斯金字塔算法重建原圖像

按照步驟(2)中的公式從拉普拉斯金字塔頂層圖像LFN開始，由上到下逐層遞推得到相應(yīng)的高斯金字塔，GF0即為重構(gòu)后的融合圖像，遞推公式如下:

式中，EFL由GL+1內(nèi)插放大獲得。

2.3 改進(jìn)的色彩傳遞算法

選定一幅參考圖像，在YUV空間進(jìn)行顏色統(tǒng)計(jì)量(即各個(gè)通道的均值、方差)計(jì)算，將參考圖像的顏色統(tǒng)計(jì)量傳遞給源融合圖像的各個(gè)通道即可獲得具有近自然感的彩色融合圖像，顏色傳遞公式如下［17］:

改進(jìn)之后的顏色傳遞公式如下:

式中:a，b，mC，mB，C，mR，C表示正的有理數(shù)，其它參數(shù)同式(11)。色彩傳遞是把參考圖像的統(tǒng)計(jì)特征均值和方差傳遞給融合圖像，在YC、CR，C分量公式中加入調(diào)節(jié)系數(shù)a，b可以適當(dāng)調(diào)節(jié)融合圖像亮度分量的對(duì)比度并突出熱目標(biāo)，調(diào)節(jié)mC，mB，C，mR，C的值可以改變?nèi)诤蠄D像的整體亮度。對(duì)比圖3～圖5可以看出改進(jìn)后的融合圖像(圖5)色彩鮮明，對(duì)比度高，熱目標(biāo)飛機(jī)比較突出。

2.4 硬件實(shí)現(xiàn)策略

本文的方法計(jì)算量集中在拉普拉斯金字塔灰度融合圖像的生成及色彩傳遞算法的實(shí)現(xiàn)。文獻(xiàn)［15］中，A.Toet用顏色查找表法實(shí)現(xiàn)了 RGB空間的快速色彩傳遞算法，文獻(xiàn)［18］中，裴闖等人設(shè)計(jì)了YUV空間中利用顏色查找表實(shí)現(xiàn)色彩傳遞的快速算法。本文采用顏色表法實(shí)現(xiàn)快速的色彩傳遞算法。具體過程為:

(1)首先根據(jù)式(2)得到偽彩色融合圖像，建立標(biāo)準(zhǔn)顏色查找表。

(2)選擇合適的參考圖像，根據(jù)式(12)對(duì)標(biāo)準(zhǔn)顏色查找表進(jìn)行修正，獲得校正后的色彩傳遞顏色查找表。

(3)校正后的顏色查找表包含了大部分可能出現(xiàn)的顏色信息，利用可見光圖像和紅外圖像的亮度信號(hào)索引顏色表，將對(duì)應(yīng)處的色彩值賦給融合圖像，遍歷整幅圖像獲得最終彩色融合圖像。

顏色表生成之后，色彩傳遞算法幾乎不需要任何計(jì)算，因此硬件實(shí)現(xiàn)過程中比較耗時(shí)的部分是拉普拉斯金字塔灰度融合圖像的生成，對(duì)其中涉及到的除法運(yùn)算做乘法處理，浮點(diǎn)數(shù)做整數(shù)化處理，將比較耗時(shí)的二維高斯卷積運(yùn)算分解成兩個(gè)一維卷積運(yùn)算，則拉普拉斯金字塔灰度融合圖像的生成最終可化簡為簡單的乘加運(yùn)算，配合現(xiàn)代數(shù)字信號(hào)處理器DSP的高速處理能力及后續(xù)的優(yōu)化手段，本文提出的算法便于硬件實(shí)現(xiàn)。

3 實(shí)驗(yàn)仿真結(jié)果及融合質(zhì)量評(píng)價(jià)

3.1 仿真結(jié)果與分析

對(duì)已配準(zhǔn)好的可見光圖像和中波紅外圖像進(jìn)行融合仿真實(shí)驗(yàn)，圖像尺寸為595×328，給出了不同場景下的融合效果，實(shí)驗(yàn)證明經(jīng)過彩色傳遞后的融合圖像保持了可見光圖像的特征，又含有紅外特征信息同時(shí)又具有與特定場景相一致的顏色信息。同時(shí)本文對(duì)比了不同算法獲得的灰度融合圖像映射為融合結(jié)構(gòu)亮度分量及改變顏色傳遞公式后的彩色融合效果。圖1是可見光圖像和中波紅外圖像，圖2～圖5是在給定參考圖像A、B、C下不同融合算法的彩色融合圖像。

圖1 可見光圖像和紅外圖像Fig.1 Visible image and midwave infrared image

圖2 灰度融合圖像Fig.2 Gray scale fusion image

圖3 參考圖像Fig.3 Reference image

圖4 加權(quán)平均法彩色融合圖像(色彩傳遞公式中a=b=1，mC=mB，C=mR，C=0)Fig.4 Color fusion image based on method of weighted average(color transfer formula a=b=1，mC=mB，C=mR，C=0)

圖5 區(qū)域能量法彩色融合圖像(色彩傳遞公式中a=b=1，mC=mB，C=mR，C=0)Fig.5 Color image fusion based on region energy(color transfer formula a=b=1，mC=mB，C=mR，C=0)

圖6 本文算法彩色融合圖像(色彩傳遞公式中 a=1，b=1.5，mC=mB，C=mR，C=20)Fig.6 Color image fusion based on the method presented in this paper(color transfer formula a=1，b=1.5，mC=mB，C=mR，C=20)

仿真結(jié)果表明融合圖像均具有與參考圖像一致的色彩信息，其中加權(quán)平均法獲得的融合圖像細(xì)節(jié)、邊緣下降嚴(yán)重，圖像局部模糊，整體層次感不強(qiáng);基于區(qū)域能量的融合雖然考慮了鄰域像素間的相關(guān)性，提高了融合的像素誤匹配率，但實(shí)際融合效果不好，邊緣、細(xì)節(jié)丟失嚴(yán)重。這兩種算法在進(jìn)行融合時(shí)只從像素層面考慮，沒有兼顧到圖像的特征層信息，而基于區(qū)域梯度的融合考慮了圖像的特征層信息，但沒有兼顧到圖像的灰度信息，容易導(dǎo)致灰度不連續(xù)現(xiàn)象;圖5表明本文算法獲得的融合圖像層次感較強(qiáng)，邊緣突出，圖像對(duì)比度高，這是因?yàn)榻鹱炙▽D像分解到不同的頻帶上，頂層采用加權(quán)平均法融合保留了圖像的灰度信息，其它層(邊緣信息明顯)采用基于區(qū)域的融合方法有效融合了圖像的邊緣信息，另外從圖中可以看出調(diào)整顏色傳遞公式中參數(shù)a，b的值后圖像對(duì)比度明顯增強(qiáng)。

3.2 融合圖像客觀評(píng)價(jià)

采用灰度融合圖像的均值、方差、熵、平均梯度、空間頻率等指標(biāo)對(duì)融合圖像進(jìn)行評(píng)價(jià)。均值反映了圖像的平均亮度信息，方差反映了圖像的對(duì)比度和清晰度，方差越大則對(duì)比度越高，清晰度越高［20］。熵反映了圖像的信息量，熵越大圖像代表的信息量越大。平均梯度反映了圖像清晰程度及微小細(xì)節(jié)反差和紋理變換特征。空間頻率反映了圖像的全面活躍水平，其值越大圖像越清晰［21］。表1給出了不同灰度融合算法下的各個(gè)指標(biāo)值。

表1 灰度融合圖像效果評(píng)價(jià)Tab.1 Gray level fusion image evaluation

從表1中可以看出，融合之后的圖像評(píng)價(jià)參數(shù)高于紅外圖像而低于可見光圖像，基于區(qū)域能量的融合雖然空間頻率高于可見光圖像，但平均梯度較低，圖像清晰度不高，這從圖1～圖4中可以明顯看出來，調(diào)節(jié)式(12)中的比例系數(shù)a、b使得本文方法獲得的融合圖像方差較大，基于本文方法獲得的融合圖像層次感強(qiáng)、清晰度高，這與主觀分析相一致。

4 結(jié)論

針對(duì)YUV空間中雙波段(可見光、中波紅外)圖像彩色融合算法獲得的融合圖像對(duì)比度低、細(xì)節(jié)邊緣不夠突出等特點(diǎn)，對(duì)YUV空間常用線性組合方式進(jìn)行改進(jìn)，提出了基于拉普拉斯金字塔分解及對(duì)比度可調(diào)的色彩傳遞圖像融合算法，將雙波段圖像進(jìn)行拉普拉斯金字塔分解，對(duì)各分解層按照設(shè)計(jì)的規(guī)則進(jìn)行有效融合，以融合重構(gòu)后的圖像作為融合結(jié)構(gòu)的亮度分量Y，以可見光與紅外圖像的差異信號(hào)作為色差分量U，以紅外源圖像作為色差信號(hào)V，實(shí)驗(yàn)表明本文方法獲得的彩色融合圖像具有豐富的細(xì)節(jié)、邊緣信息，圖像層次感明顯增強(qiáng)。同時(shí)為了提高彩色融合圖像的對(duì)比度，對(duì)色彩傳遞公式進(jìn)行修正，修正后的色彩傳遞提高了彩色融合圖像的對(duì)比度。對(duì)融合圖像進(jìn)行了客觀評(píng)價(jià)，數(shù)據(jù)表明采用本文方法的融合圖像均值、方差分布適中，熵、平均梯度均優(yōu)于文中提到的其它方法。

［1］ 陳浩，王延杰.基于小波變換的圖像融合技術(shù)研究［J］.微電子學(xué)與計(jì)算機(jī)，2010，27(5):39-41.

CHEN H，WANG Y J.Study for image fusion based on wavelet transform［J］.Microelectronics Computer，2010，27(5):39-41.(in Chinese)

［2］ 傅瑤，孫雪晨，薛旭成，等.基于非下采樣輪廓波變換的全色圖像與多光譜圖像融合方法研究［J］.液晶與顯示，2013，28(3):429-434.

FU Y，SUN X CH，XUE X CH，et al..Panchromatic and multispectral image fusion method based on nonsubsampled contourlet transform［J］.Chinese J.Liquid Crystals and Displays，2013，28(3):429-434.(in Chinese)

［3］ 王安宙，張智杰，余徽，等.基于亮度對(duì)比度傳遞的紅外與可見光圖像融合方法研究［J］.光學(xué)與光電技術(shù)，2013，11(6):7-10.

WANG A ZH，ZHANG ZH J，YU H，et al..Research on the image fusion algorithm based on brightness-contrast transfer［J］.Optics Optoelectronic Technology，2013，11(6):7-10.(in Chinese)

［4］

ZHAO F X，TAO ZH X.Fusion algorithm of infrared and visible images based on wavelet packet transform［J］.Optics Optoelectronic Technology，2013，11(6):11-14.(in Chinese)

［5］ OZDARICI A，AKYUREK Z.Evaluation of image fusion methods on agricultural lands［J］.J.Earth Science and Engineering，2011，1:107-113.

［6］ 倪國強(qiáng)，肖蔓君，秦慶旺.近自然彩色圖像融合算法及其實(shí)時(shí)處理系統(tǒng)的發(fā)展［J］.光學(xué)學(xué)報(bào)，2007，27(12):2101-2109.

NI G Q，XIAO M J，QIN Q W.Development of near nature color image fusion algorithms and real-time image fusion system［J］.Acta Optica Sinica，2007，27(12):2101-2109.(in Chinese)

［7］ TOET A，WALRAVEN J.New false color mapping for imaging fusion［J］.Opt.Engng，1996，35(3):650-658.

［8］ MAARTEN A.Hogervorst and Alexander Toet.Method for applying daytime colors to nighttime imagery in realtime［J］.SPIE，2008，6974:697403.

［9］ 李光鑫，吳偉平，胡君.紅外和彩色可見光圖像亮度-對(duì)比度傳遞融合算法［J］.中國光學(xué)，2011，4(2):161-168.

LI G X，WU W P，HU J.Luminance-contrast transfer based fusion algorithm for infrared and color visible images［J］.Chinese Optics，2011，4(2):161-168.(in Chinese)

［10］ 陳小林，王延杰.非下采樣變換的紅外與可見光圖像融合［J］.中國光學(xué)，2011，4(5):489-496.

CHEN X L，WANG Y J.Infrared and visible image fusion based on nonsubsampled Contourlet transform［J］.Chinese Optics，2011，4(5):489-496.(in Chinese)

［11］ BURT P J，ADELSON E H.The Laplacian pyramid as a compact image code［J］.IEEE，1983，COM-31(4):532-540.

［12］ 楚恒，朱維樂.基于DCT變換的圖像融合方法研究［J］.光學(xué) 精密工程，2006，14(2):266-273.

CHU H，ZHU W L.Image fusion algorithms using discrete cosine transform［J］.Opt.Precision Eng.，2006，14(2):266-273.(in Chinese)

［13］ 宋江山，徐建國，司書春.改進(jìn)的曲波變換圖像融合方法［J］.中國光學(xué)與應(yīng)用光學(xué)，2009，2(2):145-149.

SONG J SH，XU J G，SI SH CH.Improved image fusion method based on curvelet transform［J］.Chinese J.Opt.Appl.Optics，2009，2(2):145-149.(in Chinese)

［14］ 武治國，王延杰，李桂菊.應(yīng)用小波變換的自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像融合中的應(yīng)用［J］.光學(xué) 精密工程，2010，18(3):708-715.

WU ZH G，WANG Y J，LI G J.Application of adaptive PCNN based on wavelet transform to image fusion［J］.Opt.Precision Eng.，2010，18(3):708-715.(in Chinese)

［15］ 金偉其，王嶺雪.夜視圖像的彩色融合技術(shù)及其進(jìn)展［J］.紅外技術(shù)，2003，25(1):6-12.

JIN W Q，WANG L X.Color fusion technology for night vision imaging and its progress［J］.Infrared Technology，2003，25(1):6-12.(in Chinese)

［16］ SAHU D K，PARSAI M P.Different image fusion techniques a critical review［J］.2012，2(5):4298-4301.

［17］ 李光鑫，徐抒巖.適于圖像融合的快速顏色傳遞方法［J］.光學(xué) 精密工程，2009，17(9):2301-2310.

LI G X，XU SH Y.Fast color transfer method for image fusion［J］.Opt.Precision Eng.，2009，17(9):2301-2310.(in Chinese)

［18］ HOGERVORST M A，TOET A.Fast natural color mapping for night-time imagery［J］.Information Fusion，2010，11:69-77.

［19］ 裴闖，蔣曉瑜，等.自然彩色化雙通道實(shí)時(shí)圖像融合系統(tǒng)［J］.光學(xué) 精密工程，2013，21(5):1333-1339.

PEI CH，JIANG X Y.Dual-channel real-time image fusion system with nature color［J］.Opt.Precision Eng.，2013，21(5):1333-1339.(in Chinese)

［20］ DESHMUKH M，BHOSALE U.Image fusion and image quality assessment of fused images［J］.International J.Image Processing(JIP)，2010，4(5):484-508.

［21］ 張小鳳.可見光和紅外圖像融合質(zhì)量評(píng)價(jià)研究［D］.武漢:華中科技大學(xué)，2005.

ZHAO X F.Quality evaluation research of visible and infrared image fusion［D］.Wuhan:Huazhong University of Science and Technology，2005.(in Chinese)