多方向Laplacian能量和与tetrolet变换的图像融合
目的 红外与可见光图像融合算法大部分可以达到认知场景的目的,但是无法对场景中的细节特征进行更加细致的刻画.为进一步提高场景辨识度,提出一种基于tetrolet变换的多尺度几何变换图像融合算法.方法 首先,将红外与可见光图像映射到tetrolet变换域,并将二者分解为低频系数和高频系数.然后,对低频系数,将区域能量理论与传统的加权法相结合,利用区域能量的多变性和区域像素的相关性,自适应地选择加权系数进行融合;对高频系数,利用改进的多方向拉普拉斯算子方法计算拉普拉斯能量和,再引入区域平滑度为阈值设定高频系数融合规则.最后,将融合所得新的低频和高频系数进行图像重建得到融合结果.结果 在kaptein、street和road等3组红外与可见光图像上,与轮廓波变换(contourlet transformation,CL)、离散小波变换(discrete wavelet transformation,DWT)和非下采样轮廓波变换(nonsubsampled contourlet transformation,NSCT)等3种方法的融合结果进行比较,主观评判上,本文算法融合结果在背景、目标物以及细节体现方面均优于其他3种方法;客观指标上,本文算法相较于其他3种方法,运行时间较NSCT方法提升了0.37 s,平均梯度(average gradient,AvG)值和空间频率(spatial frequency,SF)值均有大幅提高,提高幅度最大为5.42和2.75,峰值信噪比(peak signal to noise ratio,PSNR)值、信息熵(information entropy,IE)值和结构相似性(structural similarity index,SSIM)值分别提高0.25、0.12和0.19.结论 本文提出的红外与可见光图像融合算法改善了融合图像的细节刻画,使观察者对场景的理解能力有所提升.
图像融合、tetrolet变换、区域能量自适应、拉普拉斯算子、拉普拉斯能量和
25
TP391.41;TN21(计算技术、计算机技术)
国家自然科学基金项目;长江学者和创新团队发展计划项目;光电技术与智能控制教育部重点实验室兰州交通大学开放课题项目;兰州市人才创新创业项目;甘肃省教育厅高等学校科研项目;兰州交通大学青年基金项目
2020-06-22（万方平台首次上网日期，不代表论文的发表时间）
共11页
721-731
