黃曉青+趙飛燕

【摘 要】紅外與可見光融合圖像技術的應用，增強了不同波段圖像特征提取效果，且滿足了人們認知需求，因而，在此基礎上，為了將紅外與可見光融合技術更好的應用于軍用、民用等領域中，要求相關技術人員在融合系統(tǒng)開發(fā)過程中應注重引入GPU理念，即在系統(tǒng)規(guī)劃過程中，設置圖像處理單元，繼而由此提高系統(tǒng)數(shù)量級，滿足圖像數(shù)據(jù)量處理需求，同時就此提高系統(tǒng)執(zhí)行效率。本文從圖像融合算法分析入手，詳細闡述了圖像融合的實現(xiàn)路徑。

【關鍵詞】GPU；可見光；紅外圖像；融合

0 前言

可見光與紅外圖像的高效融合，可發(fā)揮二者優(yōu)勢，對圖像進行識別，且借助傳感器，提高圖像處理實時性、準確性、清晰性。但在圖像融合技術應用過程中，為了強化系統(tǒng)處理功能，需利用GPU計算能力，如，CPU+GPU異構模式等，實現(xiàn)對圖像的快速處理，達到實時性圖像融合效果，滿足用戶圖像數(shù)據(jù)應用需求。以下就是對圖像融合問題的詳細闡述，望其能為當前可見光與紅外圖像融合設計的不斷優(yōu)化提供有利參考。

1 紅外與可見光圖像融合算法

紅外與可見光圖像融合，即先對可見光圖像、紅外圖像進行增強處理，而后經(jīng)過高斯濾波，繼而針對小波變換圖像分解，再重構，達到圖像融合目的。而在紅外與可見光圖像融合中，圖像融合算法主要體現(xiàn)在以下幾個方面：

第一，灰度圖像融合，即針對可見光圖像、紅外圖像像素進行加權處理，即：

第二，彩色融合算法，彩色融合算法包含直接映射融合法、TNO融合法、基于彩色區(qū)域的融合算法的幾種類型。在TNO融合法中，即在圖像融合過程中，首先確定兩個圖像A、B共有部分C，再從原有圖像A、B減去共有部分C，然后針對獨有部分A-C或B-C進行增強處理，且送入到RGB通道中，反饋圖像融合狀況。而直接映射融合法，即將融合圖像映射到RGB通道，合成彩色圖像。此外，基于區(qū)域的彩色融合算法，即首先通過分割方式，將融合圖像劃分為若干個區(qū)域，而后根據(jù)分割后圖像的不同區(qū)域特征，選取顏色匹配的彩色圖像，將彩色圖像分配到不同區(qū)域中，達到彩色融合目的。

2 GPU視角下可見光與紅外圖像融合的實現(xiàn)

2.1 圖像增強的CUDA實現(xiàn)

在可見光與紅外圖像融合過程中，為了達到快速實現(xiàn)與應用目的，需結合GPU，完善圖像增強的CUDA設計，即在可見光圖像增強CUDA設計過程中，應將作業(yè)流程劃分為直方圖統(tǒng)計、對應表生成、灰度值轉換3個組成部分，而在灰度直方圖統(tǒng)計系統(tǒng)規(guī)劃過程中，需將圖像劃分為若干個分塊，然后利用block對各個分塊進行灰度直方圖統(tǒng)計，繼而待統(tǒng)計完畢后，將若干個block計算結果進行累加，就此滿足可見光圖像處理需求。同時，在可見光圖像增強CUDA設計過程中，應保障Kemel 0快速性，即快速完成各個分塊統(tǒng)計，而后將分區(qū)灰度統(tǒng)計數(shù)值，置入到對應圖像區(qū)域內(nèi)，且確保每個block對應128個thread，而每個thread對應64個像素，就此執(zhí)行灰度值統(tǒng)計任務，且待統(tǒng)計結果整合完畢后，自動生成對應表，歸一到[0，255]中[1]。

在紅外圖像增強CUDA設計過程中，需完善分配顯存、線程結構設置線性灰度變換3個部分，而在分配顯存完善過程中，需將灰度范圍控制在[fmin，fmax]范圍內(nèi)，并將灰度值轉換為constant memory數(shù)據(jù)，繼而以-constant-F[2]={0，80}；-constant-G[2]={0，255}形式，提高訪問速率。同時，在線程結構設置過程中，應注重強調對配置參數(shù)的設計，就此在融合運算中，達到精準化計算目的。

2.2 高斯濾波的CUDA實現(xiàn)

在可見光與紅外圖像融合過程中，為了提升整體融合速率，需設計高斯濾波CUDA，而在CUDA規(guī)劃過程中為了縮短運算處理時間，需獲取sigma、xpos、ypos等高斯核數(shù)值，達到CPU、GPU間調用目的。同時，在高斯濾波GUDA設計過程中，亦需針對圖像像素進行對應表示，如，像素中x為：

nt x Index=blockDim.x*blockIdx.x+threadIdx.

就此滿足融合圖像計算需求，且基于x，y分別獲取的基礎上，針對圖像數(shù)據(jù)進行歸一化處理，而在歸一化處理中，需由公式：nWindowSize=（int）（1+2*ceil（3*sigma））對模板大小進行確定，而后通過data+計算形式，運算圖像卷積信息[2]。此外，在高斯濾波GUDA規(guī)劃過程中，亦應從小波變化角度出發(fā)，對圖像融合CUDA進行設計，并保障在圖像融合運算過程中，經(jīng)歷16次Kemel計算過程，由此達到快速圖像融合效果。

3 圖像融合的探測應用

例如，某地區(qū)在圖像融合技術應用過程中，即引入了GUP，同時在融合系統(tǒng)規(guī)劃過程中，將可見光響應范圍控制在0.3-1.0μm之間，而圖像像素為DV10×8SA-SA1L，光圈為F1.4，繼而在此基礎上，通過圖像融合形式探測距離，即首先計算短焦探測距離，而后結合Johnson準則，計算單個圖像有效面積，最終根據(jù)太陽角30°-60°，確定探測距離，達到探測距離測量目的。同時，在探測距離運算過程中，為了保障運算結果的精準性，亦注重獲取系統(tǒng)中紅外光學系統(tǒng)通光面積、光譜透光率、單個像元大小等參數(shù)信息，且綜合考慮信噪比等因素的影響，分析探測距離的最佳值[3]。從以上的分析中即可看出，紅外與可見光融合圖像可應用于距離探測等領域中，因而基于當代社會快速發(fā)展背景下，應注重深化對圖像融合系統(tǒng)的設計與規(guī)劃，就此達到快速圖像融合目的。

4 結論

綜上可知，GPU在圖像融合過程中的應用有助于提升整體執(zhí)行效率，為此，在圖像融合系統(tǒng)規(guī)劃過程中，應借助GPU設計圖像增強CADU、高斯濾波CADU等，且在圖像融合系統(tǒng)操控過程中，引入灰度融合計算法、彩色融合法等運算方法，就此提高圖像融合系統(tǒng)數(shù)據(jù)處理功能，且滿足圖像融合實時性需求，繼而將圖像融合系統(tǒng)應用于軍事、民事等領域中，帶動社會的進一步發(fā)展，并改善傳統(tǒng)可見光與紅外圖像融合中凸顯出的相應問題，縮短運算時間。

【參考文獻】

[1]鄭紅，鄭晨，閆秀生，等.基于剪切波變換的可見光與紅外圖像融合算法[J].儀器儀表學報，2012，14（07）：1613-1619.

[2]楊承，楊昕梅，李紹榮.利用紅外與可見光圖像融合測溫技術實現(xiàn)設備異常狀態(tài)預警[J].現(xiàn)代建筑電氣，2014，11（S1）：85-89.

[3]任海鵬.可見光與紅外圖像融合研究現(xiàn)狀及展望[J].艦船電子工程，2013，12（01）：16-19.

[責任編輯：田吉捷]