基于改进FT显著性检测的NSCT红外和可见光图像融合

为了克服传统算法存在对比度低、细节和纹理缺失严重以及基于显著性检测算法存在对噪声敏感、适应性和抗干扰能力不强的问题,提出了一种基于改进的频率调谐(FT)显著性检测的非下采样轮廓波变换(NSCT)红外与可见光融合方法。首先,采用改进的显著图提取算法瞄准红外图像,用于从背景中区分目标。其次,使用NSCT对红外图像和可见光图像进行高、低频子带的分解。利用计算得到的红外显著权重图对低频子带系数进行指导融合,可以很好地保留目标和背景之间的对比度;对高频部分采用局部加权能量的规则进行抉择,再通过加权最小二乘(WLS)优化可以获得更多的细节信息和减小噪声影响。最后,对融合后的高频和低频子带系数进行NSCT逆变换得到最终的融合图像。通过4组图像的实验对比结果可知,在主观上,本文方法相较于其他方法具有目标突出、细节提取丰富、边缘伪影现象消除明显、视觉效果更好的优点。本文方法在4个客观评价指标——平均梯度(AG)、信息熵(IE)、空间频率(SF)、互信息(MI)上都处于最好的状态,与5种对比方法相比,AG、IE、SF、MI的平均值分别提高了8.19%、5.34%、8.54%、68.18%,说明了所提出方法的可靠性和有效性。

基于滚动引导滤波与FT算法的色织物疵点检测

针对色织物疵点检测纹理背景对检测结果影响大的问题,提出一种滚动引导滤波和频率调谐显著性相结合的色织物疵点检测算法。采用滚动引导滤波在保留疵点区域的同时抑制色织物的纹理背景;应用频率调谐视觉显著性算法得到全分辨率的显著图;使用迭代阈值分割将显著图二值化,并运用形态学运算去除孤立的像素点,疵点检测效果较好。认为:该算法能够有效抑制织物的纹理,对疵点区域精准分割。