為提高融合效率,解決基于多尺度變換的融合方法中融合系數(shù)選擇錯(cuò)誤的問題,提出一種紅外與可見光圖像融合方法.首先用非下采樣雙樹復(fù)輪廓波變換將源圖像分解為低頻與高頻部分;然后對(duì)低頻系數(shù)采用自適應(yīng)尺寸分塊法進(jìn)行融合,圖像塊的尺寸由改進(jìn)的果蠅算法優(yōu)化求解,精細(xì)化處理低頻融合結(jié)果,得到一幅能精確到每個(gè)系數(shù)來(lái)源的標(biāo)簽圖;再利用高頻分量的鄰域系數(shù)差結(jié)合該標(biāo)簽圖對(duì)高頻系數(shù)進(jìn)行融合;最后重構(gòu)得到融合圖像.實(shí)驗(yàn)結(jié)果表明,該算法能夠提高融合速度,解決了空域分塊融合容易產(chǎn)生塊效應(yīng)的問題. 

【文章來(lái)源】：光子學(xué)報(bào). 2019,48(07)北大核心EICSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【文章目錄】：
0 引言
1 基本理論
    1.1 NSDTCT分解步驟
    1.2 果蠅優(yōu)化算法原理
2 融合步驟與策略
    2.1 基于FOA算法優(yōu)化的自適應(yīng)分塊
    2.2 標(biāo)簽圖的產(chǎn)生過程
    2.3 高頻分量融合過程
3 實(shí)驗(yàn)及結(jié)果分析
    3.1 實(shí)驗(yàn)參數(shù)設(shè)置
    3.2 仿真結(jié)果分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]紅外和可見光圖像泊松融合算法[J]. 何炳陽(yáng),張智詮,楊建昌,李辰,張宇.  光子學(xué)報(bào). 2019(01)
[2]基于非下采樣輪廓波變換和直覺模糊集的紅外與可見光圖像融合[J]. 蔡懷宇,卓勵(lì)然,朱攀,黃戰(zhàn)華,武曉宇.  光子學(xué)報(bào). 2018(06)
[3]基于對(duì)比度增強(qiáng)與多尺度邊緣保持分解的紅外與可見光圖像融合[J]. 朱浩然,劉云清,張文穎.  電子與信息學(xué)報(bào). 2018(06)
[4]基于變分多尺度的紅外與可見光圖像融合[J]. 馮鑫,張建華,胡開群,翟志芬.  電子學(xué)報(bào). 2018(03)
[5]基于NSST的紅外與可見光圖像融合算法[J]. 鄧立暖,堯新峰.  電子學(xué)報(bào). 2017(12)
[6]果蠅優(yōu)化算法研究綜述[J]. 王林,呂盛祥,曾宇容.  控制與決策. 2017(07)
[7]基于Shearlet變換域改進(jìn)的IR與灰度VIS圖像融合算法[J]. 王峰,程詠梅.  控制與決策. 2017(04)
[8]基于PCNN和果蠅優(yōu)化算法的自適應(yīng)圖像融合[J]. 李美麗.  計(jì)算機(jī)工程與應(yīng)用. 2016(17)
[9]NSCT域內(nèi)結(jié)合邊緣特征和自適應(yīng)PCNN的紅外與可見光圖像融合[J]. 閆利,向天燭.  電子學(xué)報(bào). 2016(04)
[10]結(jié)合NSDTCT和壓縮感知PCNN的圖像融合算法[J]. 殷明,龐紀(jì)勇,魏遠(yuǎn)遠(yuǎn),段普宏.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(03)

博士論文
[1]像素級(jí)多源圖像融合方法研究[D]. 劉羽.中國(guó)科學(xué)技術(shù)大學(xué) 2016



本文編號(hào)：3430311