卷積神經(jīng)網(wǎng)絡(luò)結(jié)合顯著性目標(biāo)掩圖的紅外與可見(jiàn)光圖像融合

萬(wàn)劉永程健慶劉義海

(江蘇自動(dòng)化研究所,江蘇 連云港 222006)

0 引言

圖像融合是一項(xiàng)增強(qiáng)技術(shù),旨在組合不同類(lèi)型傳感器獲得的圖像,以生成穩(wěn)健或信息豐富的圖像,便于進(jìn)行后續(xù)處理和決策。隨著傳感器技術(shù)的迅速發(fā)展,可獲得的圖像類(lèi)型也越來(lái)越多。在某些復(fù)雜的場(chǎng)景中,單一類(lèi)型圖像分析已經(jīng)很難滿足現(xiàn)實(shí)需要,必須綜合多種圖像信息進(jìn)行綜合分析。不同類(lèi)型的圖像,例如可見(jiàn)光、紅外線、X 射線、計(jì)算機(jī)斷層掃描以及磁共振成像都可以采用適當(dāng)?shù)乃惴ㄟM(jìn)行融合。可見(jiàn)光圖像通常具有高分辨率和豐富的紋理特征和細(xì)節(jié)信息,適合人類(lèi)的視覺(jué)感知。但是,可見(jiàn)光的傳播很容易受到環(huán)境條件的制約,而紅外圖像受環(huán)境天氣等條件的制約較少,因此,紅外與可見(jiàn)光圖像的融合可以實(shí)現(xiàn)信息的有效互補(bǔ)。

傳統(tǒng)的基于多尺度變換的圖像融合方法提取的特征單一,在一些場(chǎng)景多變的條件下難以取得良好的效果,同時(shí)因?yàn)槿诤弦?guī)則往往需要手動(dòng)設(shè)計(jì),運(yùn)算效率也較低。近年來(lái),卷積神經(jīng)網(wǎng)絡(luò)在圖像處理領(lǐng)域取得了長(zhǎng)足的發(fā)展,具有強(qiáng)大的特征提取能力,能夠自動(dòng)從數(shù)據(jù)中提取特征而無(wú)需人工干預(yù)。因此,本文使用卷積神經(jīng)網(wǎng)絡(luò)并結(jié)合顯著性目標(biāo)掩圖的方法對(duì)圖像融合進(jìn)行研究。

1 本文模型介紹

本文基于卷積神經(jīng)網(wǎng)絡(luò)和顯著目標(biāo)掩圖相結(jié)合的方法,首先從紅外圖像獲得目標(biāo)顯著性掩圖,從而得到紅外圖像的顯著目標(biāo)區(qū)域和可見(jiàn)光圖像的背景、紋理區(qū)域;然后根據(jù)得到的掩圖,定義像素值損失函數(shù)和梯度損失函數(shù),進(jìn)而得到整體損失函數(shù);最后根據(jù)損失函數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,輸出融合結(jié)果。

1.1 目標(biāo)顯著性掩圖

所謂的目標(biāo)顯著性指的就是紅外圖像中熱輻射較高的區(qū)域,在紅外圖像中具有更高的亮度。通常情況下,目標(biāo)區(qū)域的溫度越高,所產(chǎn)生的紅外輻射也就越多,更容易被紅外設(shè)備所采集。因此,當(dāng)人們看一幅紅外圖像的時(shí)候,注意力往往集中在熱輻射較高的區(qū)域,也就是顯著性區(qū)域。典型的顯著性目標(biāo)有人、車(chē)輛、機(jī)器設(shè)備等。本文采用公開(kāi)數(shù)據(jù)集TNO_Image_Fusion_Dataset,使用圖像處理軟件,如Photoshop獲取目標(biāo)顯著性掩圖mask,然后對(duì)可見(jiàn)光圖像、紅外圖像及相應(yīng)的目標(biāo)顯著性掩圖統(tǒng)一進(jìn)行旋轉(zhuǎn)、鏡像等變換,增強(qiáng)數(shù)據(jù)集。

1.2 損失函數(shù)

損失函數(shù)定義為像素值損失和梯度損失的加權(quán)和。像素值損失能使融合圖像在像素強(qiáng)度上與源圖像保持一致,而梯度損失函數(shù)能夠使得融合圖像保持更多的紋理特征和細(xì)節(jié)信息。像素值損失采用均方誤差,定義如下:

圖1 紅外圖像、可見(jiàn)光圖像及其顯著性目標(biāo)掩圖

式中:、分別表示像素矩陣的行數(shù)和列數(shù);表示顯著性掩圖。

當(dāng)像素點(diǎn)位于紅外圖像的顯著性區(qū)域,(,)的值取1,反 之取0。(,)、(,)、(,)分別表示融合圖像、紅外圖像和可見(jiàn)光圖像對(duì)應(yīng)點(diǎn)的像素值。

同時(shí)定義梯度損失。本文設(shè)計(jì)了一階梯度損失和二階梯度損失。通常情況下:一階梯度可以反映出圖像灰度梯度的變化情況,如圖像中產(chǎn)生較為粗糙的邊緣;而二階梯度對(duì)精細(xì)細(xì)節(jié)(如細(xì)線、細(xì)小的紋理)有較強(qiáng)的響應(yīng),可以提取出圖像的細(xì)節(jié),同時(shí)雙響應(yīng)圖像梯度變化情況,能夠指導(dǎo)融合圖像保留更多的源圖像細(xì)節(jié)信息。梯度損失定義如下:

最終的損失函數(shù)定義如下:

式中:和為超參數(shù)。

1.3 網(wǎng)絡(luò)架構(gòu)

如圖2所示,網(wǎng)絡(luò)結(jié)構(gòu)包含2個(gè)部分:特征提取網(wǎng)絡(luò)和融合網(wǎng)絡(luò)。

圖2 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)

(1) 特征提取網(wǎng)絡(luò):特征提取網(wǎng)絡(luò)由darknet53受到啟發(fā),采取殘差塊與卷積核串聯(lián)的方式構(gòu)建。引入殘差塊可以減輕梯度消失或爆炸的問(wèn)題。特征提取網(wǎng)絡(luò)由紅外和可見(jiàn)光2個(gè)通道構(gòu)成,每個(gè)通道都具有相同的結(jié)構(gòu)。

(2) 融合網(wǎng)絡(luò):融合網(wǎng)絡(luò)由殘差塊與卷積核串聯(lián)而成,特征提取網(wǎng)絡(luò)的輸出作為融合網(wǎng)絡(luò)的輸入,輸出結(jié)果為融合圖像。整個(gè)網(wǎng)絡(luò)的卷積層都沒(méi)有進(jìn)行下采樣,這樣做的目的是為了使融合圖像與源圖像保持同樣的大小尺寸。整個(gè)網(wǎng)絡(luò)采用Relu函數(shù)作為激活函數(shù)。

2 實(shí)驗(yàn)對(duì)比

使用公共數(shù)據(jù)集TNO_Image_Fusion_Dataset對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,訓(xùn)練完成后隨機(jī)選取3組圖片并采用不同的圖像融合算法對(duì)融合結(jié)果進(jìn)行橫向比較,與之比較的算法為離散小波變換(DWT)、非下采樣剪切波變換(NSST)、非下采樣輪廓波變換(NSCT)3種方法。本文從主客觀角度對(duì)融合結(jié)果進(jìn)行評(píng)價(jià),主觀質(zhì)量評(píng)價(jià)主要是通過(guò)人眼對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行定性的評(píng)價(jià),評(píng)價(jià)結(jié)果可能受人的習(xí)慣、聚焦的角度等主觀因素的影響而不同?？陀^評(píng)價(jià)往往是采用客觀評(píng)價(jià)指標(biāo)來(lái)實(shí)現(xiàn),這些客觀評(píng)價(jià)指標(biāo)有著嚴(yán)格的數(shù)學(xué)定義。本文采用的客觀評(píng)價(jià)指標(biāo)為平均梯度、空間頻率、熵、互信息、交叉熵。以下是關(guān)于各評(píng)價(jià)指標(biāo)的定義與解釋。

(1) 平均梯度(AG):

式中:▽和▽分別為融合圖像矩陣上的水平梯度算子和垂直梯度算子。

平均梯度反映了融合圖像的細(xì)節(jié)反差和紋理特征,相鄰像素之間的灰度變化越大,平均梯度就越大,表明融合圖像紋理特征越清晰,細(xì)節(jié)表達(dá)能力越強(qiáng)。

(2) 空間頻率(SF):

式中:和分別表示融合圖像的空間行頻率和空間列頻率,定義如下:

空間頻率表征的是圖像的邊緣化程度,反映融合圖像的整體活躍程度。

(3) 熵(E)

式中:為圖像的灰度級(jí)數(shù);P 為灰度值為的頻率值,計(jì)算如下:

式中:N 為像素值為的元素個(gè)數(shù);為像素總數(shù)。

熵表示圖像信息的豐富程度,熵越大,信息越豐富,效果越好。

(4) 互信息(MI)

式中:(,)和(,)分別表示融合圖像與可見(jiàn)光圖像和紅外圖像的聯(lián)合概率分布;()、()、()分別表示融合圖像、可見(jiàn)光圖像、紅外圖像的邊緣分布。

互信息是衡量融合圖像從源圖像中獲取信息的多少,互信息值越大,表明融合圖像從源圖像獲取的信息量越多,融合效果越好。

(5) 交叉熵(CE)

式中:P P 、P 分別表示融合圖像、可見(jiàn)光圖像、紅外圖像的灰度概率分布。

交叉熵反映了融合圖像與源圖像對(duì)應(yīng)灰度的分布差異,值越小,表明融合圖像與源圖像越相似。

2.1 主觀評(píng)價(jià)

如圖3所示,第1組圖像是Kaptein_1123紅外與可見(jiàn)光的融合,(a)、(b)分別為紅外與可見(jiàn)光源圖像;(c)為DWT 方法融合的結(jié)果,人物較為暗淡,背景模糊,基本喪失紋理等細(xì)節(jié)信息;(d)圖能夠呈現(xiàn)背景細(xì)節(jié)信息,但不夠自然;(e)圖也能呈現(xiàn)紋理信息,但色調(diào)偏暗,而且引入了噪聲;(f)圖的融合效果最佳,地面和墻面的紋理信息以及樹(shù)葉與樹(shù)枝等細(xì)節(jié)信息都較為豐富。

圖3 “Kaptein_1123”紅外和可見(jiàn)光圖像以及融合結(jié)果

第2 組圖像是Sandpath,如圖4 所示。圖4(a)、圖4(b)是紅外和可見(jiàn)光圖像;圖4(c)的人物和背景都較為模糊;圖4(d)中的人物得到較好的呈現(xiàn),但背景信息保留不夠;圖4(e)中的樹(shù)枝等背景紋理信息比較豐富,但紅外目標(biāo)不夠明顯;圖4(f)中人物明亮,背景信息也保存較好,綜合而言融合效果更佳。

圖4 “Sandpath”紅外和可見(jiàn)光圖像以及融合結(jié)果

第3組圖像是選自Nato_camp_sequence中的1組圖像,如圖5所示。圖5(c)人物圖像邊緣出現(xiàn)虛影,過(guò)渡不自然;圖5(d)背景模糊,人物特征也保留不夠完整;圖5(e)和圖5(f)都保存了背景和紅外目標(biāo)的特征;但圖5(e)中的人物旁邊存在一定的光暈;圖5(f)更符合人眼的視覺(jué)感受。

圖5 “Nato_camp_sequence”紅外和可見(jiàn)光圖像以及融合結(jié)果

2.2 客觀評(píng)價(jià)

本文采取平均梯度(AG)、空間頻率(SF)、信息熵(E)、像素互信息(MI)、交叉熵(CE)5個(gè)指標(biāo)來(lái)對(duì)融合結(jié)果進(jìn)行客觀評(píng)價(jià),表1 為融合結(jié)果的客觀評(píng)價(jià)。

由表1可知,本文方法在一定程度上均優(yōu)于對(duì)比方法。對(duì)于“Kaptein_1123”融合圖像,平均梯度、空間頻率、信息熵、互信息、交叉熵分別提高了4.32%、2.63%、2.12%、2.39%、2.20%;對(duì) 于“Nato_camp_sequence”融合圖像,平均梯度、空間頻率、信息熵、互信息、交叉熵分別提高了4.05%、1.82%、3.55%、5.92%、4.94%;對(duì)于“sandpath”融合圖像,平均梯度、空間頻率、信息熵、互信息、交叉熵分別提高了0.36%、4.18%、0.39%、3.17%、1.06%。

表1 融合結(jié)果客觀評(píng)價(jià)指標(biāo)

3 結(jié)束語(yǔ)

本文使用集特征提取與融合于一體的卷積神經(jīng)網(wǎng)絡(luò)對(duì)紅外和可見(jiàn)光進(jìn)行了融合,區(qū)別于以往神經(jīng)網(wǎng)絡(luò)只進(jìn)行特征提取而采用其他方法進(jìn)行融合。同時(shí)引入像素?fù)p失、一階梯度損失和二階梯度損失構(gòu)成損失函數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。采用顯著性掩圖提取紅外顯著目標(biāo)并同時(shí)獲得更多可見(jiàn)光圖像的背景信息。對(duì)實(shí)驗(yàn)結(jié)果從主客觀2 個(gè)角度進(jìn)行了評(píng)價(jià),評(píng)價(jià)結(jié)果均優(yōu)于對(duì)比方法。