本文關鍵詞： 圖像融合 多層分解 視覺權(quán)重 交叉雙邊濾波器　出處：《儀器儀表學報》2017年04期 　論文類型：期刊論文

【摘要】：圖像融合技術是圖像分析領域重點研究內(nèi)容之一,為了更好地保留原圖像中的細節(jié)信息,提高融合圖像的對比度,提出了基于視覺權(quán)重圖的多尺度圖像融合方法。首先,利用可變參數(shù)的交叉雙邊濾波器對兩幅待融合圖像進行多尺度分解;然后,在每個分解層分別計算相應的視覺權(quán)重圖,并針對不同分解層賦予不同的權(quán)重值;最后,綜合這些結(jié)果生成融合圖像。由于對原始圖像的分解沒有采用下采樣和上采樣操作,因此不會損失圖像中的信息,且克服了傳統(tǒng)像素級融合方法中融合圖像模糊、對噪聲敏感等不足。通過4種定量分析實驗表明,在多種模式的圖像融合應用中,本方法優(yōu)于其他5種對比方法,融合時間小于0.2 s。融合后圖像細節(jié)信息、對比度得到增強,同時降低處理時間。
[Abstract]:Image fusion technology is one of the most important research contents in the field of image analysis. In order to better preserve the details of the original image and improve the contrast of the fused image. A multi-scale image fusion method based on visual weight graph is proposed. Firstly, two images to be fused are decomposed by a cross-bilateral filter with variable parameters. Then, the corresponding visual weights are calculated in each decomposition layer, and different weights are assigned to different decomposition layers. Finally, the fusion image is generated by synthesizing these results. Since the decomposing of the original image does not use down-sampling and up-sampling operations, the information in the image will not be lost. It overcomes the shortcomings of traditional pixel level fusion method, such as image blur and sensitivity to noise. Through four quantitative analysis experiments, it is shown that this method can be used in multi-mode image fusion. This method is superior to the other five comparison methods, and the fusion time is less than 0.2 s. After fusion, the image details are enhanced, the contrast is enhanced, and the processing time is reduced.
【作者單位】： 海軍航空工程學院;中國國防科技信息中心;
【基金】：國家自然科學基金(61303192)項目資助
【分類號】：TP391.41
【正文快照】： 1引言圖像融合是把多種傳感器獲得的多幅同一場景圖像綜合成一幅圖像的先進圖像處理技術,其目的是集成多個源圖像中的互補信息,增加圖像理解的全面性。它在計算機視覺、醫(yī)學圖像以及軍事應用等領域中有著廣泛的應用前景。目前,圖像融合方法大多基于多尺度變換,常用的方法有拉

【相似文獻】

相關期刊論文 前10條

1 田思;張俊舉;袁軼慧;常本康;;圖像融合的開窗處理技術研究[J];兵工學報;2009年04期

2 吳仰玉;紀峰;常霞;李翠;;圖像融合研究新進展[J];科技創(chuàng)新導報;2013年01期

3 韓瑜;蔡云澤;曾清;;圖像融合的客觀質(zhì)量評估[J];指揮控制與仿真;2013年04期

4 朱煉;孫楓;夏芳莉;韓瑜;;圖像融合研究綜述[J];傳感器與微系統(tǒng);2014年02期

5 劉志鏡,楊海英,張小平;基于空域中的圖像融合算法研究[J];計算機工程與設計;2002年09期

6 苗啟廣;王寶樹;;圖像融合的非負線性混合模型與算法研究[J];計算機科學;2005年09期

7 趙永強,潘泉,陳玉春,張洪才;基于偏振成像技術和圖像融合理論雜亂背景壓縮[J];電子學報;2005年03期

8 孫巖;趙春暉;陳立偉;;基于小波域的多尺度圖像融合方法[J];應用科技;2006年10期

9 李波;王娟;覃征;李愛國;;多分辨圖像融合通用開發(fā)平臺[J];計算機工程;2006年24期

10 郭利明;陳紅林;;一種基于小波分解的圖像融合方法[J];計算機仿真;2007年03期

相關會議論文 前10條

1 劉德坤;龔俊斌;馬佳義;田金文;;一種車載的紅外與微光圖像融合系統(tǒng)設計[A];第九屆全國光電技術學術交流會論文集（上冊）[C];2010年

2 王芳;吳謹;;基于小波的圖像融合算法研究[A];2011年全國通信安全學術會議論文集[C];2011年

3 楊志;毛士藝;陳煒;;基于多分辨率局部峰度熵的魯棒圖像融合算法[A];中國航空學會信號與信息處理專業(yè)全國第八屆學術會議論文集[C];2004年

4 王曾敏;楊兆選;丁學文;何英華;陳楊;于淵;;圖像融合與壓縮算法在動態(tài)交通信息服務系統(tǒng)中的應用[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

5 湯志偉;王建國;趙志欽;黃順吉;;基于小波變換的圖像融合算法[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

6 陸琳;張淳民;;圖像融合算法研究[A];2013年（第五屆）西部光子學學術會議論文集[C];2013年

7 王榮福;;PET/CT新技術應用[A];全國射線數(shù)字成像與CT新技術研討會論文集[C];2009年

8 劉勇;劉隆國;楊玲恒;;面向?qū)ο蟮男l(wèi)星多層多分區(qū)圖像融合在GIS領域的應用探討[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

9 王立琦;雷潔;;基于圖像融合的目標識別研究[A];'2010系統(tǒng)仿真技術及其應用學術會議論文集[C];2010年

10 王強軍;王潤生;;城市航空攝影圖像融合分割方法[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

相關博士學位論文 前10條

1 王春萌;多曝光圖像融合關鍵技術的研究[D];山東大學;2015年

2 費春;基于智能優(yōu)化和視覺顯著性的圖像融合研究[D];電子科技大學;2015年

3 段昶;基于Shearlet的圖像融合研究[D];電子科技大學;2014年

4 史立芳;大視場人工復眼成像結(jié)構(gòu)研究與實驗[D];電子科技大學;2014年

5 高國榮;基于Shearlet變換的圖像融合與去噪方法研究[D];西安電子科技大學;2015年

6 王娟;基于城鎮(zhèn)影像的Contourlet域圖像融合算法研究[D];成都理工大學;2015年

7 楊金庫;基于二維經(jīng)驗模態(tài)分解的圖像融合算法研究[D];西北工業(yè)大學;2016年

8 李奕;圖像融合的若干關鍵技術研究[D];江南大學;2015年

9 宋樂;異源圖像融合及其評價方法的研究[D];天津大學;2008年

10 胡旺;圖像融合中的關鍵技術研究[D];四川大學;2006年

相關碩士學位論文 前10條

1 杜麗;基于RF5框架的多小波圖像融合系統(tǒng)的設計與開發(fā)[D];內(nèi)蒙古大學;2015年

2 王坤臣;基于二代Curvelet變換的圖像融合算法研究[D];南京理工大學;2015年

3 李寧;多DSP并行系統(tǒng)圖像融合算法設計及優(yōu)化[D];南京理工大學;2015年

4 陳云川;紅外與微光融合的實時信號處理技術研究[D];南京理工大學;2015年

5 張澤;基于NSCT變換的壓縮感知圖像融合優(yōu)化算法研究[D];大連海事大學;2015年

6 陶媛媛;紅外與微光融合夜視系統(tǒng)性能評價[D];南京理工大學;2015年

7 李蕾;抗混疊輪廓波變換的性能研究及圖像融合去噪應用[D];山東大學;2015年

8 米艷芹;基于區(qū)域和多尺度的圖像融合算法研究[D];電子科技大學;2015年

9 唐詩;基于多尺度變換的無源毫米波圖像融合算法研究[D];電子科技大學;2014年

10 李龍龍;基于分數(shù)階傅里葉變換的圖像融合算法研究[D];哈爾濱工業(yè)大學;2014年

，

本文編號：1477028