基于深度玻尔兹曼模型的红外与可见光图像融合

摘要：

为了克服红外与可见光图像融合时噪声干扰及易产生伪影导致目标轮廓不鲜明、对比度低的缺点，提出一种基于深度模型分割的图像融合方法。首先，采用深度玻尔兹曼机学习红外与可见光的目标和背景轮廓先验，构建轮廓的深度分割模型，通过Split Bregman迭代算法获取最优能量分割后的红外与可见光图像轮廓；然后再使用非下采样轮廓波变换对源图像进行分解，并针对所分割的背景轮廓采用结构相似度的规则进行系数组合；最后进行非下采样轮廓波反变换重构出融合图像。数值试验证明，该算法可以有效获取目标和背景轮廓均清晰的融合图像，融合结果不但具有较高的对比度，还能抑制噪声影响，具有有效性。

关键词：深度模型、深度玻尔兹曼机、非下采样轮廓波变换、图像融合

分类号：42.30.Va,42.30.Wb

资助基金：国家自然科学基金51375517;重庆高校创新团队项目KJTD201313;重庆工商大学校内青年博士基金1352007;重庆市教委自然科学基金批准号:KJ1400628资助的课题.* Project supported by the National Natural Science Foundation of ChinaGrant 51375517;Chongqing University Innovation Team Project, ChinaGrant KJTD201313;the Dr Campus youth fund of Chongqing Technology and Business University, ChinaGrant 1352007;the Natural Science Foundation of Chongqing City Board of Education, ChinaGrant KJ1400628

在线出版日期：2014-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：184202-1-184202-9