交叉双边滤波和视觉权重信息的图像融合

图像融合技术是图像分析领域重点研究内容之一,为了更好地保留原图像中的细节信息,提高融合图像的对比度,提出了基于视觉权重图的多尺度图像融合方法。首先,利用可变参数的交叉双边滤波器对两幅待融合图像进行多尺度分解;然后,在每个分解层分别计算相应的视觉权重图,并针对不同分解层赋予不同的权重值;最后,综合这些结果生成融合图像。由于对原始图像的分解没有采用下采样和上采样操作,因此不会损失图像中的信息,且克服了传统像素级融合方法中融合图像模糊、对噪声敏感等不足。通过4种定量分析实验表明,在多种模式的图像融合应用中,本方法优于其他5种对比方法,融合时间小于0.2 s。融合后图像细节信息、对比度得到增强,同时降低处理时间。

基于SWT和边缘检测的红外与可见光图像融合算法

针对传统SWT算法融合图像边缘不连续的问题,提出了一种基于SWT和边缘检测的红外与可见光图像融合算法.采用二维平稳小波分别对红外与可见光图像进行变换,得到高低频系数.对高频系数采用交叉双边滤波器进行滤波.根据红外图像和可见光图像不同的成像特点,红外图像采用Canny算子,可见光图像采用Prewitt算子和Roberts算子共同处理,将边缘信息均值融合到低频系数内.采用脉冲点火频率、对比度拉伸分别融合高、低频系数.经过小波反变换得到融合图像.实验结果表明,本算法得到的融合图像边缘较连续,保留的信息量丰富,主观视觉效果较好.

基于VSM与图像统计的多聚焦图像融合

针对传统的多聚焦图像融合方法存在块状、伪影效应和对比度损失等问题,提出一种视觉显著性映射(VSM)融合规则与图像统计相结合的融合方法。先使用四阶偏微分方程(FPDEs)和交叉双边滤波器(CBF)方法对源图像进行多尺度分解获取近似层和细节层,再对近似层和细节层分别采用基于VSM和图像统计的融合规则进行融合,最后对融合后的近似层和细节层进行线性组合得到融合图像。对比实验结果表明,所提出的算法在平均像素强度、标准差、相关系数等图像质量指标上均有显著的提高。

基于FPDEs与CBF的红外与可见光图像融合

针对传统红外与可见光图像融合结果中的对比度不足、块状效应、伪影以及边缘区域信息失真等问题,文中提出一种基于四阶偏微分方程(FPDEs)和交叉双边滤波器(CBF)的红外与可见光图像融合方法。首先,分别使用FPDEs和CBF方法从源图像中获取近似层和细节层;其次,针对多尺度分解获得的近似层含有残余低频信息导致融合图像的整体视觉反差较大的问题,采用基于视觉显著性映射(VSM)的方法对近似层进行融合;然后,对细节层使用改进的Karhunen-Loeve变换获得权重,而后进行细节层融合;最后,通过线性组合方式将近似层与细节层融合,从而产生融合图像。实验结果表明,经基于FPDEs与CBF的方法融合后,相较于基于主成分分析和基于交叉双边滤波器的方法,基于FPDEs与CBF的方法所得融合图像的标准差平均提高了43.73%左右;相较于基于引导滤波器和基于视觉显著性最小二乘优化的方法,融合图像的平均梯度提高了约9.46%,空间频率平均提高了19.79%左右。