基于二维经验模态分解和高斯模糊逻辑的红外与可见光图像融合

摘要：

针对传统多尺度图像融合方法容易损失可见光图像细节、弱化红外目标信息和降低图像对比度的问题,基于二维经验模态分解(BEMD)和高斯模糊逻辑(GFL)的特性,提出了一种红外与可见光图像融合的算法.首先,使用BEMD对源图像进行分解,得到图像的本征模(高频成分)和趋势项(低频成分);其次,用GFL对趋势项进行恰当的融合,使用基于邻域特征的区域对比度法融合图像的本征模;最后,通过BEMD逆变换得到融合图像.实验结果表明,与传统的多尺度融合方法相比,在主观上视觉上,本文融合算法能够更有效地保留源可见光图像中的细节信息,并突出红外图像中的目标信息,提高融合图像的质量;在客观评价指标上,本文融合算法的结果在信息熵(IE)、标准差(SD)、平均梯度(AG)、互信息(MI)和空间频率(SF)5个客观指标上明显优于传统的多尺度融合方法.

关键词：图像融合、红外与可见光图像、二维经验模态分解(B-EMD)、高斯模糊逻辑(GFL)

所属期刊栏目：28

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2017-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1156-1162