-
题名基于HMSD与改进PCNN的红外与可见光图像融合
- 1
-
-
作者
任鹏百
雷慧云
党建武
王阳萍
刘启明
杨莉
-
机构
兰州交通大学轨道交通信息与控制国家级虚拟仿真实验教学中心
兰州交通大学电子与信息工程学院
甘肃新网通科技信息有限公司
-
出处
《光学精密工程》
北大核心
2025年第9期1481-1495,共15页
-
基金
国家自然科学基金资助项目(No.62067006,No.62367005)
高校科研创新平台重大培育项目(No.2024CXPT-17)
中央引导地方科技发展资金项目(No.24ZYQA051)。
-
文摘
为了解决红外与可见光图像在融合过程中,由于分解工具存在的信息损失和数据冗余等局限性,导致融合图像边缘和细节信息容易受损的问题,提出一种混合多尺度分解模型(Hybrid Multi-scale Decomposition Model,HMSD)与改进脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的红外与可见光图像融合算法。首先,结合快速交替引导滤波器(Fast Alternating Guided Filtering,FAGF)与高斯滤波器(Gaussian Filter,GF)的特性,提出一种新的混合多尺度分解模型(HMSD),源图像利用HMSD模型分解为一个基础层及三层特征图,每层特征图均包含细、粗双重结构;然后,基础层融合采用核范数最小化(Nuclear Norm Minimization,NNM)融合规则,针对各特征图特性,分别采用改进脉冲耦合神经网络和区域能量融合规则。实验结果表明,本文方法在空间频率、信息熵、融合质量、峰值信噪比、视觉保真度和标准差等多种客观评价指标上分别平均提高了47.6%,5.2%,6.4%,9.4%,5.3%,27.3%,不仅较好地保留了源图像的边缘和纹理等信息,而且在视觉效果上也有所提升。
-
关键词
图像融合
红外与可见光
混合多尺度分解
快速交替引导滤波器
脉冲耦合神经网络
-
Keywords
image fusion
infrared and visible
mixed multi-scale decomposition
fast alternating guided filtering
pulse coupled neural network
-
分类号
TP394.1
[自动化与计算机技术—计算机应用技术]
TH691.9
[机械工程—机械制造及自动化]
-
-
题名红外与可见光图像分解与融合方法研究
被引量：11
- 2
-
-
作者
荣传振
贾永兴
吴城
杨宇
朱莹
-
机构
陆军工程大学通信工程学院
国防科技大学信息通信学院试验训练基地
-
出处
《数据采集与处理》
CSCD
北大核心
2019年第1期146-156,共11页
-
基金
江苏省自然科学基金(BK2012511)资助项目
陆军工程大学预研基金(2014-4-07
2016-5-06)资助项目
-
文摘
红外与可见光图像融合旨在生成一幅新的图像,能够对场景进行更全面的描述。本文提出一种图像多尺度混合信息分解方法,可有效提取代表可见光特征分量的纹理细节信息和代表红外特征分量的边缘信息。本文方法将边缘信息进行进一步分割以确定各分解子信息的融合权重,以有效地将多尺度红外光谱特征注入到可见光图像中,同时保留可见光图像中重要的场景细节信息。实验结果表明,本文方法能够有效提取图像中的红外目标,实现在融合图像中凸显红外目标的同时保留尽可能多的可见光纹理细节信息,无论是主观视觉还是客观评价指标都优于现有的图像融合方法。
-
关键词
多尺度混合信息分解
引导滤波
高斯滤波
图像融合
-
Keywords
hybrid multi-scale decomposition
image guided filtering
Gaussian filter
image fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
