基于梯度塔形分解的GPU加速多源图像融合

为了解决多分辨率图像融合算法在单纯CPU上运行效率低的问题,提出了一种用于在基于梯度塔形分解的图像融合算法中使用的新融合规则,并将整个融合算法在图形处理器上进行了设计和高效的实现,将计算密集的任务安排到图形处理器上执行.实验验证,融合图像保留了源图像中的显著特征.并且,与单纯CPU上的融合算法相比,该系统在不同尺寸的图像融合中都获得加速.展现了一种通过图形处理器提高多分辨率图像融合算法效率的方法.

基于梯度塔形分解的多传感器图像融合

给出了基于梯度塔形分解的像素级图像融合新方法。基本思想是 ,先对原图像进行梯度塔形分解 ;其次 ,按照融合规则 ,采用基于区域特性选择的加权算子去构造融合图像对应的梯度金字塔 ;最后 ,通过逆梯度塔形变换重构融合图像。该方法被成功地用于图像的融合处理。实验结果表明 ,该融合方法十分有效 ,获得的融合图像更符合人的视觉特性、更有利于机器视觉。