基于变换域PCNN的近红外与彩色可见光融合
2021-07-14苑玉彬
光谱学与光谱分析 2021年7期
沈 瑜, 苑玉彬, 彭 静
兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
引 言
可见光图像与近红外图像融合技术能够将近红外传感器捕获的热辐射目标和细节内容同可见光图像中的场景内容结合起来, 增加可见光图像的有效信息, 大大提升图像信息量, 具有重要意义[1-3]。
近年来, 国内外学者对可见光与近红外图像的融合进行了大量的研究。 Sharma等[4]将可见光图像和近红外图像分别经由双边滤波器和加权最小二乘滤波器进行处理, 分别得到两图的基础图像和细节图像。 对近红外细节图像通过取两者的最大值进行融合, 然后与来自边缘保持滤波器的基础图像融合。 Yan等[5]对分解后的图像通过分析波段的特征, 利用梯度和显著性分别约束融合高频分量和低频分量。 Su等[6]将融合问题定义成小波域中的最大后验估计问题, 根据近红外图像和可见光图像小波系数之间的相关性, 生成小波尺度图进行融合和去噪。 Bavirisetti等[7]将显著性检测和二尺度图像分解同时应用到图像融合中, 用视觉显著性来构建权重图, 采用二尺度图像分解。 Jens Krommweh[8]等提出了Tetrolet变换, 具有良好的方向性结构, 能够表达图像的高维纹理特征, 更适合在图像融合中作为融合框架。 Nemalidinned[9]等将脉冲耦合神经网络PCNN应用到低频分量的融合中, 该神经网络经和修正拉普拉斯(sum-modified-laplacian)算子激励, 以获得两个原始图像中的最大可用信息。
在对Tetrolet变换和自适应PCNN模型进行改进的基础上, 并结合HSI图像空间各个分量相互独立的特点, 对可见光图像的亮度分量图像和红外图像分别进行Tetrolet分解。……
登录APP查看全文
