基于显著性检测与MDLatLRR分解的红外与可见光图像融合

针对红外与可见光图像融合过程中细节信息的缺失、融合结果对比度较低等问题,提出一种基于显著性检测与多层潜在低秩表示的红外与可见光图像融合方法。首先,使用基于显著性检测的方法对红外与可见光图像进行预融合;然后,使用多层潜在低秩表示方法依次将红外图像、可见光图像和预融合图像分解为低秩层和细节层;其中细节层采用结构相似性和L2范数相结合的方法进行融合,低秩层使用基于能量属性的方法进行融合;最后,将低秩层和细节层的融合结果重构便得到最终的融合图像。文中将该方法与11种具有代表性的图像融合方法进行了评估比较,通过对比多组融合图像的主客观评价,其结果表明,相较于对比方法,本方法能够保留红外与可见光图像融合过程中源图像的有效细节,且融合结果具有较高的对比度,更符合人们的视觉理解。     

改进多尺度结构化融合的红外与可见光图像融合

为解决弱光环境下的红外与可见光图像的融合结果存在对比度低、细节纹理不足、融合耗时长的问题,提出了一种改进多尺度结构化融合的方法。在图像融合前,采用动态范围压缩算法对弱光下的可见光图像进行增强,再通过多尺度结构化分解将增强后的可见光图像和红外图像分解成低频和高频信息;在融合过程中,提出一种基于均方根误差系数的方法对低频信息进行融合,提出一种基于信息熵自适应调整权重的策略对初步融合的高频信息进行二次优化融合,再通过多尺度结构化分解的逆变换重构出融合图像;最后,提出一种基于灰度分类的区域像素增强算法来提高融合后图像的对比度。将提出方法与9种常用的融合方法进行了定性和定量的分析比较,在TNO和CVC-14数据集上的实验结果表明,该方法在平均梯度、交叉熵、边缘强度、标准差和空间频率指标上取得了更好的客观评价结果,整体视觉效果也要优于对比方法。本方法的融合结果具有丰富的细节纹理、较高的清晰度和对比度,且融合耗时短。