局部梯度极值点的BEMD与CI算法的图像融合增强

协方差交叉算法是分布式信息融合中通过优化一定目标函数得到的一种分布式融合估计方法,这种方法为图像融合增强提供了一种新思路。提出基于局部梯度极值点的二维经验模式分解(BEMD)与协方差交叉(CI)算法的图像融合方法,针对传统BEMD获取图像细节能力的不足,为使图像包含更多细节结构特征,根据梯度对图像细节信息的强挖掘能力,采用4个二维方向上的极值条件选取局部梯度极值点对图像进行经验模式分解并确定内蕴模式函数。将一维协方差交叉算法扩展到二维信号和图像融合上,通过最小化各内蕴模式函数的二维协方差交叉阵的"模"范数计算最优线性加权阵,并利用反向重构得到融合增强图像。经仿真实验分析发现,与传统的图像融合算法对比,所提方法具有更强的细节捕捉能力,清晰度明显提升。