王亞杰，冉曉艷，葉永生，石祥濱( 沈陽(yáng)航空航天大學(xué) 工程訓(xùn)練中心，沈陽(yáng) 110136 )

?

基于彩色圖像融合的隱藏武器檢測(cè)技術(shù)

王亞杰，冉曉艷，葉永生，石祥濱
( 沈陽(yáng)航空航天大學(xué) 工程訓(xùn)練中心，沈陽(yáng) 110136 )

摘要：針對(duì)基于圖像融合的隱藏在人衣服下面的武器檢測(cè)技術(shù)存在的未充分保護(hù)人體的隱私權(quán)、色彩失真等問(wèn)題，提出了一種基于模糊C均值 (Fuzzy C-means Clustering，F(xiàn)CM) 聚類分割的隱藏武器檢測(cè)方法，該方法采用FCM聚類、數(shù)學(xué)形態(tài)學(xué)對(duì)紅外圖像進(jìn)行武器分割與提取，并將武器融合到彩色可見(jiàn)光圖像HSI空間的I分量中，通過(guò)逆變換得到RGB彩色融合圖像。該方法的融合過(guò)程只有武器參與，避開(kāi)了人身體的其他部位，保護(hù)了人體的隱私權(quán)，且融合圖像維持了源可見(jiàn)光圖像的真彩色、武器目標(biāo)清晰。經(jīng)過(guò)對(duì)比實(shí)驗(yàn)，本文方法得到的融合圖像具有更豐富的信息，在主觀上具有更好的視覺(jué)特性，在客觀評(píng)價(jià)指標(biāo)上也取得了良好的評(píng)價(jià)。

關(guān)鍵詞：隱藏武器；模糊C均值聚類；形態(tài)學(xué)處理；彩色圖像融合

0 引 言

為了及時(shí)發(fā)現(xiàn)犯罪分子隱藏在衣服中的武器、有效制止恐怖事件的發(fā)生，隱藏武器檢測(cè)技術(shù)(Concealed Weapon Detection, CWD)成為了一個(gè)重要的研究課題[1-2]。目前主要的成像儀包括可見(jiàn)光成像儀、X-射線、毫米波、紅外成像儀等?？梢?jiàn)光圖像能夠清晰的反映人物及場(chǎng)景的細(xì)節(jié)和顏色信息，卻看不到武器；X-射線產(chǎn)生的是近乎裸體的三圍透視圖，嚴(yán)重侵犯人的隱私權(quán)，明顯不適合；毫米波和紅外成像儀能檢測(cè)到武器，卻不能反映人的外在信息，只有通過(guò)圖像融合技術(shù)將彩色可見(jiàn)光圖像和紅外(毫米波)圖像進(jìn)行融合，使融合后的圖像不僅能夠顯示隱藏的武器，還能夠展示人物及場(chǎng)景的細(xì)節(jié)和顏色信息，彌補(bǔ)了各成像儀存在的不足[3-5]。

現(xiàn)有的基于圖像融合的隱藏武器檢測(cè)方法可分基于灰度圖像和基于彩色圖像，所采用的融合技術(shù)可分為空間域融合算法和變換域融合算法。融合圖像的目的是最大程度的保留源可見(jiàn)光圖像的細(xì)節(jié)及顏色信息，同時(shí)包含清晰的武器目標(biāo)。Blum等人[6]在去除背景的前提下使用易操縱金字塔變換、高斯金字塔變換及模糊K均值聚類算法，實(shí)現(xiàn)了灰度級(jí)的隱藏武器檢測(cè)，得到的融合圖像能夠清晰的顯示武器，但需要人工去除圖像背景，不利于實(shí)際應(yīng)用。Bhatnaga等人[7]將基于框架的人類視覺(jué)系統(tǒng)用于隱藏武器檢測(cè)，根據(jù)人類視覺(jué)系統(tǒng)的特點(diǎn)提出了基于紋理的融合方法，實(shí)現(xiàn)了灰度級(jí)隱藏武器檢測(cè)，該算法計(jì)算量較大，復(fù)雜度較高，且融合圖像不夠清晰。Cho等人[2]基于人的隱私權(quán)考慮，運(yùn)用小波變換實(shí)現(xiàn)了隱藏武器檢測(cè)，該算法對(duì)武器的提取不夠準(zhǔn)確，且融合效果也不夠理想。Yang等人[8]和Zhang等人[4]提出了基于區(qū)域的圖像融合算法，該算法在融合圖像中融入武器的同時(shí)引入了大量的毫米波圖像其他成分，融合效果明顯發(fā)亮。Xue[1]和宋等人[9]分別基于小波框架和提升小波變換實(shí)現(xiàn)了彩色可見(jiàn)光圖像與紅外圖像融合，兩種方法得到的融合圖像保持了可見(jiàn)光圖像的高分辨率和自然色彩，但兩種方法都反復(fù)使用了多個(gè)彩色空間變換，算法過(guò)程較復(fù)雜，融合圖像中武器顯示不夠清晰，且圖像的背景發(fā)亮，存在色彩失真的情況。

針對(duì)現(xiàn)有方法存在的一些不足，例如：去除背景的局限性、武器不清晰、顏色失真等，本文提出基于模糊C均值聚類圖像分割的隱藏武器檢測(cè)方法，該算法的融合過(guò)程只有武器參與，避開(kāi)了人身體的其它部位，充分尊重人體的隱私權(quán)，而且融合圖像具有可見(jiàn)光圖像清晰細(xì)節(jié)、真彩色、無(wú)色彩失真，武器目標(biāo)也清晰可見(jiàn)、具有可探測(cè)性。本文方法的過(guò)程比較簡(jiǎn)單，對(duì)于安全檢查技術(shù)的發(fā)展具有一定的實(shí)用意義。

1 模糊C均值聚類算法

模糊C均值聚類算法[10-12](FCM)是根據(jù)隸屬度進(jìn)行聚類的。FCM聚類算法用于圖像分割時(shí)是以圖像的像素與聚類中心的加權(quán)相似性測(cè)度為依據(jù)，通過(guò)不斷迭代優(yōu)化目標(biāo)函數(shù)，最終獲得聚類的最優(yōu)結(jié)果。

根據(jù)拉格朗日乘子法計(jì)算得到uij和vi如下：

模糊聚類分割圖像就是通過(guò)反復(fù)迭代來(lái)確定隸屬度uij和聚類中心vi，從而使目標(biāo)函數(shù)J(U, V)達(dá)到最小，獲得聚類的最優(yōu)結(jié)果。

2 彩色圖像融合算法

本文提出的基于模糊C均值聚類分割的彩色可見(jiàn)光與紅外圖像融合算法如圖1所示。

本文算法的具體過(guò)程如下：

步驟1，將彩色可見(jiàn)光圖像進(jìn)行RGB到HSI的空間變換。

在HSI色彩模型中，H是色調(diào)分量，表示彩色特征；S是飽和度分量，表示彩色濃淡；I是亮度分量，表示強(qiáng)度。H、S、I相互之間獨(dú)立，并直接近似地反映了人眼的顏色感覺(jué)特性，所以在HSI空間進(jìn)行融合處理更符合人眼的視覺(jué)感受[8]。I分量用于與提取出來(lái)的武器進(jìn)行鑲嵌融合，H、S分量用于給融合結(jié)果圖像進(jìn)行彩色上色。

圖1 彩色可見(jiàn)光與紅外圖像融合算法Fig.1 Color visual image and IR image fusion algorithm

步驟2，將紅外圖像進(jìn)行FCM聚類分割，得到二值圖像A。

由于紅外傳感器的成像原理是熱輻射成像，人的身體溫度大于武器溫度，導(dǎo)致紅外圖像中人身體區(qū)域比較亮，武器和背景區(qū)域相對(duì)較暗，根據(jù)以上特點(diǎn)，將紅外圖像進(jìn)行FCM聚類分割，聚類數(shù)目為2類，得到二值圖像A，如圖2(b)所示。

圖2 紅外圖像分割效果圖Fig.2 The effect of infrared image segmentation

步驟3，對(duì)步驟2得到的二值圖像A進(jìn)行形態(tài)學(xué)填充孔洞處理，得到二值圖像B，如圖2(c)所示。

形態(tài)學(xué)填充孔洞處理主要是針對(duì)一幅標(biāo)記圖像fm，該圖像的邊緣部分的值為1-f，其余部分的值為0，即：

填充圖像f上的孔洞可由參數(shù)為hholes的IPT函數(shù)fimfill執(zhí)行，具體用法如下：

步驟4，武器檢測(cè)主要是對(duì)比分析二值圖像A和二值圖像B，得到僅有武器存在的二值圖像T，如圖2(d)所示。具體算法如下：

步驟5，將步驟4得到的二值圖像T和源彩色圖像的I分量做鑲嵌融合，得到灰度的融合圖像，具體算法如下：設(shè)灰度融合圖像為F，則

步驟6，將灰度融合圖像F作為新的I分量與源彩色圖像H、S分量進(jìn)行組合，再變換到RGB空間，得到最終的彩色融合圖像。

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文算法的有效性，采用主觀評(píng)價(jià)方法和客觀評(píng)價(jià)方法對(duì)融合圖像進(jìn)行評(píng)價(jià)。主觀評(píng)價(jià)主要以目前基于融合的隱藏武器檢測(cè)技術(shù)需要達(dá)到的目標(biāo)作為標(biāo)準(zhǔn)對(duì)融合圖像進(jìn)行評(píng)價(jià)?？陀^評(píng)價(jià)主要采用空間頻率[14](SF)、邊緣信息評(píng)價(jià)因子[15-17](QAB/F)、互信息[18](MI)評(píng)價(jià)指標(biāo)和文獻(xiàn)[19]提出的評(píng)價(jià)指標(biāo)(MFAB)對(duì)灰度融合圖像進(jìn)行定量分析，其中：空間頻率反映了一幅圖像F空間域的總體活躍程度，其值越大表明圖像的空間活躍程度越高；邊緣信息評(píng)價(jià)因子反映了融合圖像與源圖像之間邊緣信息的傳遞情況，其值越接近1，則表明邊緣傳遞的越好；互信息表示融合圖像從源圖像中獲取信息的多少，互信息值越大，表明獲取的信息就越多，融合效果越好；MFAB是一種基于互信息的融合圖像質(zhì)量評(píng)價(jià)指標(biāo)，該指標(biāo)越大代表融合質(zhì)量也越好。

實(shí)驗(yàn)中，本文選用兩組經(jīng)過(guò)配準(zhǔn)的可見(jiàn)光圖像和紅外圖像作為源圖像，分別與DWT算法、NSCT算法、文獻(xiàn)[6]算法、文獻(xiàn)[9]算法、文獻(xiàn)[20]算法進(jìn)行比較，并截取融合圖像的部分圖像進(jìn)行對(duì)比分析。第一組實(shí)驗(yàn)如圖3和圖4所示。

圖3 第一組灰度可見(jiàn)光和紅外圖像融合結(jié)果Fig.3 The first group fused results of Gray image and IR image

圖4 第一組彩色可見(jiàn)光圖像和紅外圖像融合結(jié)果Fig.4 The first group fused results of color image and IR image

圖3(a)、(b)是大小為144×144的灰度可見(jiàn)光圖像和對(duì)應(yīng)的紅外圖像；圖3(c)是DWT算法得到的融合圖像；圖3(d)是NSCT算法得到的融合圖像；圖3(e)是應(yīng)用文獻(xiàn)[6]提出的在去除背景的前提下基于易操縱金字塔的方法得到的融合圖像；圖3(f)是文獻(xiàn)[9]提出的基于提升小波變換的方法得到的融合圖像；圖3(g)是文獻(xiàn)[20] 提出的基于雙樹(shù)復(fù)小波變換的方法得到的融合圖像；圖3(h)是本文算法得到的融合圖像。

對(duì)比圖3(a)、3(c)~(h)可以看出，圖3(c)、3(d)融入了目標(biāo)武器，但同時(shí)也融入了大量的紅外圖像中非目標(biāo)成分，導(dǎo)致了融合圖像較源可見(jiàn)光圖像背景偏暗，人體部分偏亮，與源可見(jiàn)光圖像相比整體偏差較大；圖3(e)的融合效果較好，但卻需要人工去除背景操作，具有局限性；圖3(f)、3(g)都檢測(cè)出了武器，保持了大部分人物及背景信息，但是它們的背景較源圖像偏亮一些，同時(shí)檢測(cè)出的武器不夠清晰，這是因?yàn)閮煞N算法使用取反的紅外圖像直接參與融合，該過(guò)程在突出武器的同時(shí)背景也被增強(qiáng)了；圖3(h)在檢測(cè)出武器的同時(shí)保持了所有源可見(jiàn)光圖像的背景及人物信息，并且檢測(cè)出的武器亮度較高，輪廓清晰，具有更好的視覺(jué)特性，因此，本文算法在主觀視覺(jué)上最清晰。表1是各種算法的客觀評(píng)價(jià)結(jié)果值，可以看出本文方法得到的融合圖像大部分指標(biāo)優(yōu)于其它幾種算法，只有指標(biāo)SF值小于文獻(xiàn)[6]方法，由于文獻(xiàn)[6]算法是在去除背景的前提下進(jìn)行的融合，即該融合圖像沒(méi)有背景信息，因此其SF值高于本文算法不能說(shuō)明本文算法差。

表1 圖3中的融合圖像質(zhì)量評(píng)價(jià)Table 1 Fusion effect evaluation of fig.3

圖4(a)、(b)是大小為144×144的彩色可見(jiàn)光圖像和對(duì)應(yīng)的紅外圖像；圖4(c)是應(yīng)用文獻(xiàn)[9]方法得到的彩色融合圖像；圖4(d)是文獻(xiàn)[20]方法得到的彩色融合圖像；圖4(e)是本文算法得到的彩色融合圖像；圖4(f)是圖4(a)的局部圖像，圖4(g)~(l)是圖4(c)~(e)在不同位置的局部圖像。

從圖4(c)、圖4(d)看出，文獻(xiàn)[9]和文獻(xiàn)[20]算法雖然保持了可見(jiàn)光圖像自然色彩，檢測(cè)出了隱藏的武器，但與本文的融合圖像圖4(e)相比，色彩的真實(shí)性、細(xì)節(jié)清晰性卻明顯存在不足。分別將細(xì)節(jié)圖像圖4(g)、圖4(h)、圖4(i)與源圖像對(duì)應(yīng)部分圖像圖4(f)相比較，可以看出圖4(i)保留了源圖像的自然真彩色，而圖4(g)、圖4(h)與源圖像相比明顯偏亮，這是因?yàn)槲墨I(xiàn)[9]和文獻(xiàn)[20]兩種算法將取反的紅外圖像與V分量直接進(jìn)行融合，該過(guò)程在突出武器的同時(shí)背景部分也被增強(qiáng)了，導(dǎo)致最終融合圖像背景要比源可見(jiàn)光圖像明亮。對(duì)比圖4(j)、圖4(k)、圖4(l)可以看出，圖4(l)中檢測(cè)出的武器亮度較高，輪廓清晰，便于人眼觀察。

除此之外本文算法采用了對(duì)武器進(jìn)行提取并鑲嵌的方法，沒(méi)有涉及到人身體的其他部分，融合過(guò)程中只有武器參與融合，充分保護(hù)了人體的隱私權(quán)。

為了進(jìn)一步驗(yàn)證本文算法的有效性，我們又做了第二組實(shí)驗(yàn)，如圖5和圖6所示。

圖5(a)、圖5(b)是大小為144×144的灰度可見(jiàn)光圖像和對(duì)應(yīng)的紅外圖像；圖5(c)是DWT算法得到的融合圖像；圖5(d)是NSCT算法得到的融合圖像；圖5(e)是應(yīng)用文獻(xiàn)[6]算法得到的融合圖像；圖5(f)是文獻(xiàn)[9]算法得到的融合圖像；圖5(g)是文獻(xiàn)[20]算法得到的融合圖像；圖5(h)是本文算法得到的融合圖像。圖6(a)、圖6(b)是大小為144×144的彩色可見(jiàn)光圖像和對(duì)應(yīng)的紅外圖像；圖6(c)是文獻(xiàn)[9]算法得到的融合圖像；圖6(d)是文獻(xiàn)[20]算法得到的融合圖像；圖6(e)是本文算法得到的融合圖像；圖6(f)~(h)分別是圖6(c)~(e)的局部圖像。

通過(guò)對(duì)比可以看出，在圖5中圖5(h)保留的源可見(jiàn)光圖像信息最多且檢測(cè)出的武器最清晰，在圖6中，圖6(h)不僅保留了源可見(jiàn)光圖像的真彩色，而且武器部分相對(duì)其余兩幅圖像也都清晰。對(duì)比表2的四項(xiàng)評(píng)價(jià)指標(biāo)值，本文算法得到的融合圖像其四項(xiàng)評(píng)價(jià)指標(biāo)SF、QAB/F、MI、都是最好的，且明顯好于其他幾種方法。

圖5 第二組灰度可見(jiàn)光和紅外圖像融合結(jié)果Fig.5 The second group fused results of Gray image and IR image

圖6 第二組彩色可見(jiàn)光圖像和紅外圖像融合結(jié)果Fig.6 The second group fused results of color image and IR image

表2 圖5中的融合圖像質(zhì)量評(píng)價(jià)Table 2 Fusion effect evaluation of fig.5

4 結(jié) 論

本文針對(duì)基于圖像融合的隱藏武器檢測(cè)技術(shù)中存在色彩失真、武器不清晰、未充分保護(hù)人體的隱私權(quán)等問(wèn)題，進(jìn)一步研究了基于圖像融合的隱藏武器檢測(cè)技術(shù)，提出了基于模糊C均值聚類的圖像融合方法。該方法將紅外圖像中檢測(cè)出的武器提取出來(lái)，同時(shí)對(duì)彩色可見(jiàn)光圖像進(jìn)行HSI空間變換，將提取出來(lái)的武器鑲嵌到I分量中，然后進(jìn)行顏色空間逆變換，獲得RGB彩色融合圖像。該融合過(guò)程只有武器參與融合，避開(kāi)了人身體的其他部位，保護(hù)了人體的隱私權(quán)。另外，由于紅外圖像檢測(cè)出來(lái)的武器嵌入到I分量的對(duì)應(yīng)位置，未對(duì)其余部分做任何改變，使融合圖像具有源可見(jiàn)光圖像的高分辨率和自然真彩色，無(wú)色彩失真現(xiàn)象，同時(shí)融合圖像中武器目標(biāo)清晰，具有可探測(cè)性。通過(guò)對(duì)比實(shí)驗(yàn)，本文方法得到的融合圖像較其他幾種算法具有更豐富的信息，更好的視覺(jué)特性和客觀評(píng)價(jià)指標(biāo)，且該方法過(guò)程比較簡(jiǎn)單，對(duì)安全檢查技術(shù)的進(jìn)一步發(fā)展具有重要應(yīng)用價(jià)值。由于本文方法是將武器直接鑲嵌到可見(jiàn)光圖像的I分量中，融合圖像中武器看起來(lái)有點(diǎn)“突兀”，下一步將尋找更好的鑲嵌方式，使融合圖像中鑲嵌的武器看起來(lái)更自然，同時(shí)，還要對(duì)更多場(chǎng)景的圖片進(jìn)行實(shí)驗(yàn)測(cè)試。

參考文獻(xiàn)：

[1] XUE Zhiyun，Blum R S. Cncealed weapon detection using color image fusion [C]// Proceedings of the 6th International Conference on Information Fusion，Cairns，QLD，Australia，July 8-11，2003，1：622-627.

[2] Siu-Yeung Cho，Nanda-Pwint Tin. Using infrared imaging technology for concealed weapons detection and visualization [C]// IEEE Region 10 Annual International Conference，F(xiàn)ukuoka，Japan，November 21-24，2010：228-233.

[3] Uner M K，Ramac L C，Varshney P K，et al. Concealed Weapon Detection：An image fusion approach [C]// Proceedings of SPIE-The International Society for Optical Engineering，Boston，M A，United states，November 19，1996，2942：123-132.

[4] ZHANG Zhong，Blum R S. Region-based image fusion scheme for concealed weapon detection [C]// Proceedings of 31st Annual Conference on Information Sciences and Systems，Baltimore，M D，March 19，1997：168-173.

[5] YANG Jinzhang，Blum R S. Image fusion using the Expectation-Maximization algorithm and a hidden markov model [C]// IEEE Vehicular Technology Conference，Los Angeles，CA，United states，September 26-29，2004，60(6)：4563-4567.

[6] Blum R S，XUE Zhiyun，ZHENG Liu，et al. Multisensor Concealed Weapon Detection by Using A Multiresolution Mosaic Approach [C]// IEEE Vehicular Technology Conference，Los Angeles，CA，United states，September 26-29，2004，60(7)： 4597-4601.

[7] Bhatnagar G，WU Q M Jonathan. Human Visual System based Framework for Concealed Weapon Detection [C]// Proceedings-2011 Canadian Conference on Computer and Robot Vision，St. Johns，NL，Canada，May 25-27，2011：250-256.

[8] YANG Jinzhong，Blum R S. A Region-Based Image Fusion Method Using the Expectation-Maximization Algorithm [C]// 40th Annual Conference on Information Sciences and Systems，Princeton，N J，United states，March 22-24，2006：468-473.

[9] 宋璞. 隱藏武器檢測(cè)中的圖像融合技術(shù)研究 [D]. 長(zhǎng)沙：國(guó)防科技大學(xué)，2011：40-57.

SONG Pu. Concealed Weapon Detection Research Based on Image Fusion [D]. Changsha：National University of Defense Technolog，2011：40-57.

[10] YAN Lingli，YI Shen. An Automatic Fuzzy C-Means Algorithm for Image Segmentation [J]. Soft Computing(S1432-7643)，2010，14(2)：123-128.

[11] ZHOU Xiancheng，SHEN Quntai，LIU Limei. New two-dimensional fuzzy C-means clustering algorithm for image segmentation [J]. Journal of Central South University of Technology(S1005-9784)，2008，15(6)：882-887.

[12] Quintanilla-Dominguez J，Ojeda-Magana B，Cortina-Januchs M G，et al. Image Segmentation by fuzzy and possibilistic clustering algorithms for the identification of microcalcifications [J]. Scientia Iranica(S1026-3098)，2011，18(3D)：580-589.

[13] Pal N R，Bezdek J C. On cluster validity for fuzzy C-means model [J]. IEEE Transactions on Fuzzy Systems(S1063-6706)，1995，3(3)：370-390.

[14] 高超. 圖像融合評(píng)價(jià)方法的研究 [J]. 電子測(cè)試，2011(7)：30-31.

GAO Chao. Research of image fusion evaluation method [J]. Electronic Test，2011(7)：30-31.

[15] 胡良梅，高雋，何柯峰. 圖像融合質(zhì)量評(píng)價(jià)方法的研究 [J]. 電子學(xué)報(bào)，2004，32(12A)：218-221．

HUN Liangmei，GAO Jun，HE Kefeng. Research on Quality Measures for Image Fusion [J]. Acta Electronica Sinica，2004， 32(12A)：218-221.( )

[16] 李俊峰，姜曉麗，戴文戰(zhàn). 基于提升小波變換的醫(yī)學(xué)圖像融合 [J]. 中國(guó)圖象圖形學(xué)報(bào)，2014，19(11)：1639-1648．

LI Junfeng，JIANG Xiaoli，DAI Wenzhan. Medical image fusion based on lifting wavelet transform [J]. Journal of Image and Graphics，2014，19(11)：1639-1648.

[17] Xydeas C S，Petrovi? V. Objective image fusion performance measure [J]. Electronics Letters(S0013-5194)，2000，36(4)：308-309.

[18] Abd-el-Kader A，El-Din Moustafa H，Rehan S. Performance measures for image fusion based on wavelet transform and curvelet transform [C]// National Radio Science Conference，Cairo，Egypt，April 26-28，2011：1-7.

[19] Hossny M，Nahavandi S，Creighton D. Comments on Information measure for performance of image fusion [J]. Electronics Letters(S0013-5194)，2008，44(18)：1066-1067.

[20] 王亞杰，徐心和. 基于彩色圖像融合新算法的隱藏武器檢測(cè)研究 [J]. 中國(guó)圖象圖形學(xué)報(bào)，2009，14(3)：520-524．

WANG Yajie，XU Xinhe. Concealed Weapon Detection Research Based on Color Image Fusion New Algorithm [J]. Journal of Image and Graphics，2009，14(3)：520-524.

Concealed Weapons Detection Technology Based on the Color Image Fusion

WANG Yajie，RAN Xiaoyan，YE Yongsheng，SHI Xiangbin
( Engineering Training Center, Shenyang Aerospace University, Shenyang 110136, China )

Abstract:A detection algorithm of weapon concealed underneath person’s clothes based on Fuzzy C-means (FCM) clustering is presented, aiming at the problem of image fusion, for example, no protecting the personal privacy, no true color. The main idea of the algorithm is to segment and extract the shape of concealed weapon from the infrared image by using FCM clustering and mathematical morphology. And the weapon is embed into I component of visual image in HSI color space. At last, the image is converted into RGB color space. In this process, only the concealed weapon is participated in the fusion and the other parts of the human body are avoided, which protect the personal privacy. The fused image maintains true color of the visual image, and the concealed weapon is very clear. By comparison experiment, the results show that the fused image obtained from the proposed algorithm can preserve a large amount of information and have the better visual quality and objective evaluation index.

Key words:concealed weapons detection; fuzzy C-means clustering; mathematical morphology; color image fusion

通信作者：冉曉艷(1988-)，女(蒙古族)，內(nèi)蒙古赤峰人。碩士研究生，主要研究圖像融合。E-mail: 502363040@qq.com。

作者簡(jiǎn)介：王亞杰(1968-)，女(漢族)，遼寧鐵嶺人。教授，博士，主要研究圖像融合、模式識(shí)別、機(jī)器博弈。E-mail: wangyajie@sina.com。

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(61170185）；航空科學(xué)基金資助(2015ZC54008)。

收稿日期：2015-04-15； 收到修改稿日期：2015-05-08

文章編號(hào)：1003-501X(2016)02-0062-07

中圖分類號(hào)：TP391

文獻(xiàn)標(biāo)志碼：A

doi：10.3969/j.issn.1003-501X.2016.02.011