提高边缘细节清晰度的图像融合改进算法

为解决图像融合过程中边缘信息以及细节内容易于丢失的问题,提出图像融合的改进算法。对源图像进行小波变换分解,将分解后的高低频系数用矩阵存储。对于低频子带的系数,采用形态学边缘检测的方法,提取出边缘轮廓系数,后运用加权平均法对其进行融合得到用于重构的低频系数。对于各高频子带的系数,先采用区域能量法构造出判断矩阵,经多数筛选法和形态学处理后得到二值融合决策图,并根据此决策图选取出用于重构的高频系数。最后,进行图像重构得到融合图像。实验结果表明,该算法增强了图像边缘细节的清晰度,其图像融合效果在相同融合条件下比其它算法更好,熵、标准差和平均梯度等图像融合的评价指标提高了0.5%～5%,可以更有效地应用于医学或多聚焦图像的融合。

基于小波包分析的图像融合算法

研究了小波包变换的基本原理及特点 ,提出了一种基于小波包分解的图像融合新算法。

基于Dense SIFT兴趣点提取的红外与可见光融合

为解决红外与可见光图像融合时易产生伪影且目标受背景、光照等因素干扰损失目标信息的问题,提出一种基于Dense SIFT的改进区域融合方法。首先,分别对红外与可见光图像进行Dense SIFT处理获取对应的初始融合决策图;然后通过对红外光图像进行兴趣点提取、去游离处理等操作得到最终待映射区域;最后分别对红外与可见光图像目标区域和映射后背景区域采用不同融合规则进行融合获取最终结果。经试验验证,本文方法能够更加准确的提出目标区域,简单快速,并在第二、三组实验结果中将信息熵提升0.6以上,具有有效性。