基于GEMD与改进PCNN的红外与可见光图像融合

摘要：

针对传统图像融合方法因分解工具的局限性使融合图像边缘出现伪影与亮度、对比度下降的问题,提出一种基于梯度保边多层级分解(GEMD)与改进脉冲耦合神经网络(PCNN)的红外与可见光图像融合方法.利用梯度双边滤波器(GBF)与梯度滤波器(GF)构造一种多层级分解模型,将源图像分解为 3层特征图与 1个基础层,且每层特征图有细、粗 2个结构;根据各特征图所包含信息特点,分别采用在输入刺激中引入改进拉普拉斯算子来增强对图像中弱细节信息捕捉的PCNN、区域能量和对比度显著的融合规则进行子图融合,得到各子特征融合图像与基础层融合图像;将各子融合图像进行叠加,获得最终融合图像.实验结果表明:所提方法在视觉效果方面与定量评价方面均有所提高,提高了红外与可见光融合图像的亮度与对比度信息.

关键词：图像融合、红外与可见光图像、脉冲耦合神经网络、双边滤波器、梯度滤波器

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2317-2329