基于人眼中心-环绕对抗受域神经网络的红外中波细分图像的融合

研究了红外中波的两个细分波段(3.4～4.1μm和4.5～5.3μm)的成像特点。通过分析视网膜受域的结构特点,利用人眼中心-环绕对抗受域神经网络,设计一种新的神经网络模型,将两幅细分图像进行融合。实验结果表明,融合后的图像和细分图像相比,局部标准偏差和多向粗糙度都增加,太阳影响参数却下降了,融合了两幅细分图像中比较清晰的信息,减少了太阳饱和区,证明了该融合算法的有效性,说明了通过该融合方法可以获得比原红外中波细分图像成像效果更好的图像。

改进的响尾蛇双模式细胞模型的图像融合

由于基于经典Waxman融合模型得到的伪彩色融合图像目标不够清晰,本文提出了一种改进的感受野融合模型。对红外图像和可见光图像分别进行了ON对抗增强和OFF对抗增强;将红外ON对抗增强图像馈入中心-环绕感受野模型的中心兴奋区域,可见光OFF对抗增强图像馈入环绕抑制区,得到融合图像的B分量;将红外OFF对抗增强图像馈入中心-环绕感受野模型的环绕抑制区域,可见光ON对抗增强图像馈入中心兴奋区,得到融合图像的G分量;将可见光ON对抗增强图像直接作为融合图像的R分量;然后,输出RGB伪彩色融合图像。最后,用Waxman方法和本文提出的方法分别对两组源图像进行融合,并用信息熵和平均梯度对融合结果进行了评价。结果表明,采用提出的模型,第一组融合图像的信息熵和平均梯度比Waxman融合模型分别高出0.314 6和0.004 1,第二组融合图像的信息熵和平均梯度比Waxman融合模型分别高出0.255 1和0.002 7。得到的数据显示本文提出的融合模型的融合效果优于经典Waxman模型。