為了解決當(dāng)前較多可見光與紅外圖像融合方法的融合結(jié)果中的目標(biāo)信息不突出等問題,引入拉普拉斯分解機制,采用圖像的亮度特征來融合可見光與紅外圖像。借助拉普拉斯分解方法,對輸入圖像進(jìn)行分層,求取不同的圖層信息。并利用圖像的均值特征,計算圖像的亮度信息,對低頻圖層的融合權(quán)值進(jìn)行自適應(yīng)調(diào)整,從而得到一個目標(biāo)信息完整度較高的融合低頻圖層�；趫D像的空間頻率特征,對高頻圖層所含的細(xì)節(jié)豐富度進(jìn)行評估,以獲取一個細(xì)節(jié)豐富的融合高頻圖層。再利用拉普拉斯逆分解方法,對低、高頻圖層完成融合。實驗數(shù)據(jù)顯示,較已有的融合算法而言,所提算法的融合結(jié)果更能突出目標(biāo)信息,具備更為豐富的細(xì)節(jié)特征。 

【文章來源】：電子測量與儀器學(xué)報. 2020年10期 北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

本文算法的融合過程

基于拉普拉斯的圖像分解結(jié)果

融合結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于離散不可分剪切波變換和迭代自適應(yīng)引導(dǎo)濾波的多聚焦圖像融合[J]. 舒衡,古樂野,陳蔓.  計算機應(yīng)用. 2019(S2)
[2]卷積自編碼融合網(wǎng)絡(luò)的紅外可見光圖像融合[J]. 楊勇,劉家祥,黃淑英,張迎梅,吳嘉驊,李露奕.  小型微型計算機系統(tǒng). 2019(12)
[3]基于改進(jìn)灰狼優(yōu)化的紅外與可見光圖像融合[J]. 劉軼倫,奚崢皓.  紅外技術(shù). 2019(11)
[4]遙感圖像云檢測的多尺度融合分割網(wǎng)絡(luò)方法[J]. 郭玥,于希明,王少軍,彭宇.  儀器儀表學(xué)報. 2019(06)
[5]基于壓縮感知耦合梯度下降的紅外-可見光圖像自適應(yīng)融合算法[J]. 張佳麗.  光學(xué)技術(shù). 2019(01)
[6]基于卷積稀疏表示的紅外與可見光圖像融合[J]. 董安勇,蘇斌,趙文博,杜慶治,彭藝.  激光與紅外. 2018(12)
[7]Curvelet變換耦合雙特征模型的遙感圖像融合算法[J]. 林寧.  電子測量與儀器學(xué)報. 2018(12)
[8]視覺顯著性指導(dǎo)的紅外與可見光圖像融合算法[J]. 易翔,王炳健.  西安電子科技大學(xué)學(xué)報. 2019(01)
[9]基于人眼頻率特性的分形增強算法[J]. 賈瑞明,鄭奇.  激光與紅外. 2018(07)



本文編號：2915095