基于双边核回归的相对约减纹理分解方法

图像中结构被纹理覆盖的现象无处不在,将结构从复杂的纹理中提取出来是一件非常有挑战但又极其重要的事情.为此,提出基于双边核回归的纹理分解方法,通过局部全变分的核描述子能将结构和纹理很好地区分开来,并将结果与双边核回归框架相结合:采用相对约减纹理分解来构造结构核描述子;再将该描述子与双边核回归融合来获得期望的结构感知滤波输出;最后采用一个稳定近似迭代的流程来实现所提算法.实验证明,与其他边缘感知滤波方法相比,文中方法能获得更佳的结构保持效果,并能被推广到多个视觉相关的应用上,如高动态范围色调映射、超像素分割等.

一种基于EASSF的红外与可见光图像视觉保真度融合

最近,多尺度特征提取被广泛应用于红外与可见光图像融合领域,但是大多数提取过程过于复杂,并且视觉效果不佳。为了提高融合结果的视觉保真度,本文提出一种基于边缘感知平滑锐化滤波器(Edge-Aware Smoothing-Sharpening Filter,EASSF)的多尺度图像融合模型。首先,提出一种基于EASSF的多尺度水平图像分解方法对源图像进行分解,得到水平方向上的多尺度纹理成分和基础成分;其次,采用最大值融合规则(Max-Fusion, MF)融合纹理成分,避免图像细节信息的丢失;然后,通过一种感知融合规则(Perceptual-Fusion, PF)融合基础成分,捕获显著性目标信息;最后,通过整合融合后的多尺度纹理成分和基础成分得到融合图像。实验通过分析感知融合系数,对比融合结果的客观数据得出红外与可见光图像融合在多尺度EASSF下较为合适的取值范围;在该取值范围内,本文提出的融合模型同一些较为经典和流行的融合方法相比,不仅解决了特征信息提取的复杂性,而且通过整合基础成分的显著性光谱信息,有效地保证了融合结果的视觉保真度。

基于导向平滑锐化滤波和多尺度分解的红外与可见光图像融合

针对传统基于多尺度分解的红外与可见光图像融合算法得到的融合图像红外目标显著性降低、场景信息丢失、边缘模糊和伪影噪声等问题,在传统基于多尺度分解的红外与可见光图像融合算法中引入导向边缘感知平滑锐化滤波器,与传统的边缘保护滤波器平滑图像相比导向平滑锐化滤波器在滤波的同时能锐化图像。首先源图像利用拉普拉斯金字塔分解为低频层和高频层,低频层和高频层图像再运用导向边缘感知平滑锐化滤波器进行图像锐化后分别采用加权平均规则融合,最后利用拉普拉斯金字塔反变换对融合图像进行重构。对融合结果在公开的数据集上进行定性和定量分析,结果表明融合结果在视觉效果和量化比较上都有良好的表现。