崔洪刚，唐 浩，汪永超

(1.广东工业大学计算机学院，广东 广州 510006;2.河源广工大协同创新研究院，广东 河源 517000)



基于显著计算与变分法的多尺度图像融合

崔洪刚1，唐 浩2，汪永超2

(1.广东工业大学计算机学院，广东 广州 510006;2.河源广工大协同创新研究院，广东 河源 517000)

在多尺度图像融合中，通常将图像进行多尺度变换，再对变换后的低频系数与高频系数采用一定的融合规则进行融合，然而融合规则的选择将影响图像的清晰度与融合质量。将视觉显著模型与变分法理论应用在多尺度图像的低频系数融合中，获取最优的融合系数组合，从而增强融合效果，通过对红外线与可见光图像、医学图像的融合实验表明，该方法能克服融合图像对比度偏低的缺陷，获取的图像能较好地保留源图像的显著目标信息，如形状、大小、色调、纹理等，特别是针对异源亮度差异较大的图像。在主观视觉感受与客观评价指标上都有所提升。

多尺度变换；显著计算；变分法；图像融合

图像融合是将同一场景中两幅或多幅图像合成为一幅含有更丰富信息图像的过程。它广泛应用于计算机视觉领域中，如目标识别、特征提取等[1]。多尺度几何分析一直以来是图像融合领域热门研究方法之一，近年来，相关研究者将变分法理论应用在图像融合领域中[2-3]，使其成为该领域一个新的热门研究方向。

视觉显著计算 (Visual Saliency Computation)是神经计算科学的分支，是人类处理视觉场景信息的过程，采用这种方法能快速识别出视觉场景中的有用信息。……