為了全面提取復(fù)雜偏振光成像圖像特征,精準(zhǔn)提取復(fù)雜偏振光成像圖像的目標(biāo)信息,提出基于大數(shù)據(jù)分析的復(fù)雜偏振光成像圖像融合方法。此方法通過大數(shù)據(jù)環(huán)境下復(fù)雜偏振光成像圖像特征提取方法,能夠充分提取復(fù)雜偏振光成像圖像的灰度特征、紋理特征、形狀特征,然后通過基于特征分析的復(fù)雜偏振光成像圖像融合方法,實現(xiàn)復(fù)雜偏振光成像圖像灰度特征、紋理特征、形狀特征的全面融合,最后測試結(jié)果表明,此方法可全方位、高效率提取復(fù)雜偏振光成像圖像特征,且融合后的復(fù)雜偏振光成像圖像清晰度較高。 

【文章來源】：激光雜志. 2020,41(12)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

需融合的三幅復(fù)雜偏振光成像圖像

本文方法融合效果

圖2 本文方法融合效果為了深度測試本文方法的應(yīng)用價值，將需要融合的復(fù)雜偏振光成像圖像種類依次設(shè)成建筑、植物、人物、動物、道路、機械、湖泊、山川。測試3種方法在融合八種復(fù)雜偏振光成像圖像時的熵、標(biāo)準(zhǔn)差以及清晰度。結(jié)果見表1:分析表1可知，本文方法融合后的8種復(fù)雜偏振光成像圖像熵值最大，則圖像特征模糊性最低;融合后的圖像和理想圖像標(biāo)準(zhǔn)差最小，則和理想圖像間差異最小;融合后的圖像清晰度最高，表示圖像質(zhì)量最佳。由此驗證本文方法應(yīng)用價值最大。

【參考文獻】：
期刊論文
[1]基于改進灰狼優(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)
[2]結(jié)合脈沖耦合神經(jīng)網(wǎng)絡(luò)與引導(dǎo)濾波的紅外與可見光圖像融合[J]. 周嘵玲,江澤濤.  光學(xué)學(xué)報. 2019(11)
[3]12信道波分-模分-偏振混合復(fù)用光通信系統(tǒng)的性能分析[J]. 葉凡,季珂,陳鶴鳴.  光通信技術(shù). 2019(11)
[4]低維半導(dǎo)體偏振光探測器研究進展[J]. 魏鐘鳴,夏建白.  物理學(xué)報. 2019(16)
[5]紫外成像儀的紫外可見光圖像疊加精確度測試系統(tǒng)[J]. 顧燕,呂揚,楊鋒,郭一亮,趙維駿,朱波,焦國力,孫建寧,李臻,褚祝軍,常樂.  紅外技術(shù). 2019(08)
[6]水下目標(biāo)偏振差分成像模型修正與實現(xiàn)[J]. 汪杰君,梁磊,李樹,葉松,王方原.  光學(xué)學(xué)報. 2019(11)
[7]分焦面偏振探測系統(tǒng)的卷積插值方法[J]. 吳晨奇,張然,樊元義,褚金奎.  光子學(xué)報. 2019(08)
[8]基于卷積自編碼器和殘差塊的紅外與可見光圖像融合方法[J]. 江澤濤,何玉婷.  光學(xué)學(xué)報. 2019(10)
[9]2D經(jīng)驗?zāi)B(tài)分解與非下采樣方向濾波器組的紅外與可見光圖像融合算法[J]. 熊芳芳,肖寧.  光學(xué)技術(shù). 2019(03)
[10]基于深度殘差去噪網(wǎng)絡(luò)的遙感融合圖像質(zhì)量提升[J]. 楊斌,王翔.  激光與光電子學(xué)進展. 2019(16)



本文編號：3602280