基于NSCT域平均梯度能量驱动红外与可见光图像融合算法

针对红外与可见光图像融合造成的成像边缘存在模糊区域问题,提出一种基于非下采样轮廓波变换(Nonsubsampled Contourlet, NSCT)域平均梯度能量驱动的红外图像(IFR)与可见光图像(VBI)融合算法,首先对IFR和VBI分别进行NSCT变换,得到低频、中频、高频子带系数,低频融合采用平均梯度能量(Average Gradient Energy, AVGE)取最大的方法进行融合,中频融合采用空间频率(Spatial Frequency, STF)取最大值进行融合,高频提出了一种平均梯度能量驱动脉冲耦合神经网络(Average Gradient Energy Pulse Coupled Neural Network, AVGE-PCNN)的融合方法进行融合,采用逆非下采样轮廓波变换(Inverse Nonsubsampled Contourlet Transform, INSCT)得到最终融合图像,实验采用三组不同场景的IFR和VSI图像进行融合处理。通过对比实验证明,提出的融合方法在改善图像边缘模糊方面效果良好,主观评估和客观评价均优于DWT、DTCWT、NSCT算法。

基于梯度向量的复杂场景文本定位

针对复杂场景的视频,在传统的梯度检测算法基础上融入多尺度技术,提出一种由粗到细的两阶段视频字符文本检测新算法.首先,利用加权平均梯度能量特征和运动能量特征对采样帧粗检测,形成候选文本区;然后,通过连通域分析,过滤部分虚检的候选文本区,再利用梯度方向的统计特征进行验证,得到精确的检测结果.仿真结果表明,本方法在处理复杂背景视频图片时具有较好的鲁棒性.