期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于边缘引导滤波增强和GWT的红外与微光图像融合
1
作者 盛志超 张昦润 王赫 《红外技术》 北大核心 2025年第7期793-801,共9页
图像融合是用特定的算法将两幅或多幅图像融合为一幅新的图像,用于提高图像的辨识度和细节丰富度。本文针对传统红外与微光图像融合方法出现细节缺失、边缘纹理不清晰等问题,提出了一种基于边缘引导滤波增强和图小波变换(Graph Wavelet ... 图像融合是用特定的算法将两幅或多幅图像融合为一幅新的图像,用于提高图像的辨识度和细节丰富度。本文针对传统红外与微光图像融合方法出现细节缺失、边缘纹理不清晰等问题,提出了一种基于边缘引导滤波增强和图小波变换(Graph Wavelet Transform,GWT)的图像融合算法。首先,使用边缘引导滤波对微光图像进行预处理增强。接着使用GWT对红外和微光图像分别进行多尺度分解,得到各自的低频子带图像和高频子带图像。对低频子图像,使用滚动引导滤波(Rolling Guidance Filtering,RGF)进行分解得到基础层和细节层,其中基础层利用视觉显著映射(Visual Saliency Map,VSM)进行融合,细节层利用最大绝对值原则(Max Absolute,MA)进行融合;对高频子图像,采用区域能量最大进行融合。最后,对融合后的低频和高频子带图像进行GWT反变换,得到最终的融合结果。在公开数据集上的实验结果表明,该方法表现出较好的主观视觉效果,优于所比较的其他算法,且保留了更多的纹理信息和边缘细节。 展开更多
关键词 图像融合 图小波变换 边缘引导滤波 滚动引导滤波
在线阅读 下载PDF
基于DehazeNet与边缘检测均值引导滤波图像去雾算法 被引量:11
2
作者 郭青山 黄玉清 《传感器与微系统》 CSCD 2020年第1期150-153,共4页
针对目前在有较多明暗区域的雾天图像去雾处理,存在恢复的图像偏暗和丢失图像边缘细节信息的问题,提出了基于DehazeNet与边缘检测均值引导滤波图像去雾算法。使用DehazeNet可训练卷积神经网络,根据4个雾天相关特征来估计雾天图像的初透... 针对目前在有较多明暗区域的雾天图像去雾处理,存在恢复的图像偏暗和丢失图像边缘细节信息的问题,提出了基于DehazeNet与边缘检测均值引导滤波图像去雾算法。使用DehazeNet可训练卷积神经网络,根据4个雾天相关特征来估计雾天图像的初透射率图;通过局部的大气光值获得初大气光值图,替代单个大气光值,避免恢复的图像偏暗;提出边缘检测均值引导滤波算法,分别对初透射率图和初大气光值图进行优化,保留边缘细节信息;最后基于大气散射模型还原出去雾后的图像。实验结果表明:该算法去雾图像的主观视觉效果较好,且图像信息熵、峰值信噪比和结构相似性3方面的客观评价结果也较优于其它对比算法。可以解决恢复图像偏暗和丢失图像边缘细节信息的问题,使去雾图像清晰自然。 展开更多
关键词 图像去雾 明暗区域 DehazeNet 大气光值图 边缘检测均值引导滤波
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部