图3。7 可见光图像                            图3。8 红外图像

图3。9 Toet融合图像

             图3。10 可见光图像                            图3。11 红外图像

图3。12 Toet融合图像

从两组融合图像中不难看出，彩色融合图像不仅保留了可见光图像的信息，比如图3。9中的栅栏以及屋顶等，同时又保留了红外图像的图像特征，例如图中的人。不仅如此，我们还可以通过彩色融合图像判断出这些细节的是从哪里来的。比如，在图3。8，图3。11两幅红外图像中，人的亮度都比较高，非常醒目，一眼就能看出来，对比度为正值。而在图3。7，图3。10两幅可见光图像中，人的亮度很低，与背景几乎融为一体，很难分辨出来，对比度为负值。在最终的两幅融合图像中不难看出，目标人物被染成了偏红色，我们就可以判断出这一细节信息的是来自红外图像。同理，在图3。7中，整个房屋的亮度很高,很容易辨别出来，对比度为正值。而在图3。8中,整个房屋亮度比较低,特别是屋顶的亮度很低，对比度为负值。

从上述融合过程不难看出，Toet算法的彩色空间映射的原理是利用不同输入图像的灰度差别形成色差来丰富最终融合图像的颜色信息。可是，由于可见光图像的亮度较低，导致最终的彩色融合图像颜色效果整体偏暗，色彩过渡并不是太自然，这也与人眼的观察习惯有较大的差异。

3。3  基于色彩传递的Toet算法

之前仿真的两种融合算法都是利用两幅输出图像的信息，作运算处理后映射到RGB彩色空间然后显示出来。因为处在理过程中并没有使用输入图像以外的信息，所以最终融合图像效果很难接近自然真实的感觉。在2003年，荷兰人力因素研究所的Toet等借鉴Reinhard提出的在两幅图像之间进行色彩传递的方法，将其应用于夜视图像彩色融合领域，提出了基于色彩传递的自然感彩色夜视融合技术，获得了极大的成功，被评为是“性的夜视系统”，开启了夜视图像彩色融合的新时代。

在介绍Toet色彩传递融合算法之前，对RGB到空间的转换过程作详细介绍。

首先要将RGB空间转换到空间，公式如下：

由于在空间中数据会有偏移，我们可以利用对数变换来消除

   利用Ruderman提出的以下简单的变换公式来消除LMS空间中各轴的相关性

如果我们将L M S分别看作红、绿、蓝三个通道，可以看出这是颜色对立模型的变量。表示亮度分量，表示黄—蓝分量，表示红—绿分量。

由到 RGB 则是以上的逆过程。首先按公式由转换到LMS空间

最后作公式的逆变换到RGB空间       

Toet色彩传递融合算法具体步骤如下：

（1）将可见光图像与红外图像融合为假彩色图像，称融合后的假彩色图像为源图像。

（2）将参考图像和源图像都转换至颜色空间。

（3）用如下公式将参考图像的均值和标准差传递给源图像。

    其中，，为源图像在空间三个通道的值，，（，；）分别为源图像在三个通道中的均值和标准差，经过计算后，获得的图像在三个通道中与参考图像具有一样的均值和标准差。

（4）将图像数据由颜色空间转换回到RGB颜色空间。来:自[优.尔]论,文-网www.youerw.com +QQ752018766-

下图是对色彩传递的Toet算法仿真