多聚焦图像融合研究

多聚焦图像融合是指将多幅聚焦区域不一的原始图像融合成一张全局聚焦图像的技术。融合后的图像一般进一步传递到下游分析,如监控、图像追踪、图像识别等机器视觉应用。从20世纪开始技术算法就不断发展。本文主要整理其宏观研究轨迹,使感兴趣的学者能快速上手。研究方法主要可分为多尺度分析法、稀疏表示法、区域分割法、深度学习以及其他法。

红外与可见光图像融合研究

红外与可见光图像融合是指将同一场景下的相机获取的图像与红外传感器获得的图像融合为一张图像。融合图像具备源图像的重要信息,尽量无冗余信息。融合图像在广泛应用在计算机视觉、农业、遥感、医学等领域。本文主要对其研究进展做整理,使感兴趣学者快速掌握红外与可见光图像融合研究脉络。首先将研究算法主要分为:多尺度变换、稀疏表示、神经网络以及其他方法等几大类。接着对每类进行详细探讨,然后对目前主流算法做一些优劣评价与总结。最后对本研究领域未来值得突破点进行展望。

《泛函分析》课程思政教学改革中的元素探索

《泛函分析》课程是高校数学与应用数学专业的进阶课程,是衔接研究生教育与本科教育的纽带。文章以本科高校《泛函分析》课程为基础,挖掘《泛函分析》课程中的思政素材与思政元素,以此探索新的教学模式。在学生学习抽象的数学的同时,用新颖的模式让思政教育同向同行,形成协同效应,提升人才质量,进而发挥课堂的育人功能。

基于高斯拉普拉斯算子的多聚焦图像融合

多聚焦图像融合利用图像众多互补信息,获取清晰的融合图像。为了解决基于变换域和空域方法中易丢失信息及时间复杂度高的问题,提出基于高斯拉普拉斯算子(LOG)的多聚焦图像融合算法。利用高斯拉普拉斯算子对原始图像进行掩膜卷积,取其绝对值得到相应原始图像的聚焦程度度量图;用滑动窗口技术,分别对每个度量图进行比较,窗口内和值大的视为聚焦,相应得分图加1,通过得分图与一定策略得到决策图;通过决策图对原始图像加权得到融合图像。从多聚焦图像公开数据库进行实验,LOG平均融合结果指标PSNR、MI、QAB/F为28.08、5.28、0.73,均高于算法MST-SR和CSR。

基于分数阶微分的多聚焦图像融合

多聚焦图像融合利用图像的众多互补信息,获取清晰的融合图像。在传统的基于多尺度分析方法采样与融合策略容易造成图像信息丢失;基于稀疏表示方法,往往因字典表达能力不足,导致融合细节模糊,且融合时间复杂度非常高。在基于空域法的多聚焦图像融合方法中,度量图像活跃度的算法十分关键。文中提出利用分数阶微分特征来度量图像的活跃度。该算法首先用8个方向的分数阶模板对图像进行卷积,累加每个方向卷积后的绝对值,得到原始图像的活跃度量图;然后利用滑动窗口技术分别对每个度量图进行比较,窗口内累加和大的被视为聚焦且得分图加1,以得分图信息得到决策图;最后通过决策图对原始图像加权的方式得到最终融合图像。实验对比分析表明,此算法相比传统算法具有一定的优越性。

基于梯度理论的多聚焦图像融合

多聚焦图像融合是把各个不同聚焦点的图像组合在一起的方法,其结果是融合成信息量互补的图像。梯度信息有表示变化快慢的特性,在图像融合应用中,可以度量图像的活跃程度。因此提出基于改进梯度理论(GDF)的多聚焦图像融合算法。首先利用改进梯度算法求取图像水平、垂直方向的梯度信息,在获得不同方向绝对值之后,再把其相加,从而得到活跃程度度量图。在对比不同度量图的时候,使用滑动窗口技术,最终获得决策图。在决策图的基础上对原始图像进行加权,最终获得的图像就是融合图像。此算法与传统算法相比都有一定的优越性。