為提高融合圖像的視覺(jué)效果,并解決可見(jiàn)光圖像受光線、天氣等影響而成像不清導(dǎo)致的夜視背景弱的問(wèn)題,本文基于方向?qū)Рㄌ岢隽艘环N可見(jiàn)光與紅外線圖像的融合方法。首先,利用方向?qū)Р▽?duì)可見(jiàn)光圖像的內(nèi)容進(jìn)行增強(qiáng),然后,利用方向?qū)Рǖ亩喑叨确纸鈱⒖梢?jiàn)光和紅外線圖像進(jìn)行分解后再分別合成為小尺度層、大尺度層和基礎(chǔ)層。在大尺度層的信息合成的過(guò)程中利用視覺(jué)基礎(chǔ)上的正則參數(shù)將紅外線圖像的信息加入到可見(jiàn)光圖像中去;在基礎(chǔ)層的融合過(guò)程中采用基于能量保護(hù)與細(xì)節(jié)提取的融合規(guī)則。最后,將大尺度層、小尺度層與基礎(chǔ)層合并為融合后的圖像。實(shí)驗(yàn)結(jié)果表明所給方法在提高夜視背景、細(xì)節(jié)處理、能量保護(hù)等方面都有良好的效果。 

【文章來(lái)源】：激光與紅外. 2020,50(04)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖1 兩組可見(jiàn)光圖像的增強(qiáng)結(jié)果

基于多尺度分解的方向?qū)Рㄈ诤狭鞒虉D

為了驗(yàn)證本文所研究方法與所比較算法的融合效果,選取如圖3所給的6組紅外線與可見(jiàn)光圖像的測(cè)試集(來(lái)源于http://www.imagefusion.org/),第一行的圖片所給的是可見(jiàn)光圖像,第二行所給的是同一場(chǎng)景中的紅外線圖像。本文所提方法(記為EGFF)和所要比較的算法分別為拉普拉斯變換方法、對(duì)偶數(shù)復(fù)小波變換方法、曲波變換方法、小波變換方法和非下采樣輪廓波變換。分別記為L(zhǎng)P 、DTCWT、 CVT和 DWT,以及NSCT,所有的尺度分解都選4層分解。4.2 圖像質(zhì)量評(píng)價(jià)指標(biāo)

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的紅外圖像融合算法[J]. 陳清江,李毅,柴昱洲.  激光與紅外. 2019(01)
[2]基于卷積稀疏表示的紅外與可見(jiàn)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)
[3]運(yùn)用小波圖像融合技術(shù)增強(qiáng)痕跡偏振圖像[J]. 馮清枝,楊洪臣.  激光與紅外. 2016(02)
[4]基于NSCT的紅外與可見(jiàn)光圖像融合方法[J]. 張?bào)@雷,趙俄英.  激光與紅外. 2013(03)



本文編號(hào)：3337044