發(fā)布時間：2020-12-13 19:56

　　為了解決當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)值進行自適應調(diào)整,從而得到一個目標信息完整度較高的融合低頻圖層。基于圖像的空間頻率特征,對高頻圖層所含的細節(jié)豐富度進行評估,以獲取一個細節(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)果更能突出目標信息,具備更為豐富的細節(jié)特征。 

【文章來源】：電子測量與儀器學報. 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】：
期刊論文
[1]基于離散不可分剪切波變換和迭代自適應引導濾波的多聚焦圖像融合[J]. 舒衡,古樂野,陳蔓.  計算機應用. 2019(S2)
[2]卷積自編碼融合網(wǎng)絡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)絡方法[J]. 郭玥,于希明,王少軍,彭宇.  儀器儀表學報. 2019(06)
[5]基于壓縮感知耦合梯度下降的紅外-可見光圖像自適應融合算法[J]. 張佳麗.  光學技術(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.  電子測量與儀器學報. 2018(12)
[8]視覺顯著性指導的紅外與可見光圖像融合算法[J]. 易翔,王炳健.  西安電子科技大學學報. 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