基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法

发布时间：2021-09-25 13:52

　　针对传统红外与弱可见光图像融合算法中存在的亮度与对比度低、细节轮廓信息缺失、可视性差等问题,提出一种基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法.该方法首先利用改进的高动态范围压缩增强方法增强可见光图像提高亮度;然后利用基于潜在低秩表示与复合滤波的分解方法分别对红外与增强后的弱可见光图像进行分解,得到相应的低频和高频层;再分别使用改进的对比度增强视觉显著图融合方法与改进的加权最小二乘优化融合方法对得到的低频和高频层进行融合;最后将得到的低频和高频融合层进行线性叠加得到最终的融合图像.与其他方法的对比实验结果表明,用该方法得到的融合图像细节信息丰富,清晰度高,具有良好的可视性. 

【文章来源】：光子学报. 2020,49(04)北大核心EICSCD

【文章页数】：12 页

【部分图文】：

潜在低秩表示与复合滤波融合框架

图2所示为弱可见光图像增强后的效果对比，设置引导滤波器的窗口步长n=η[Tmax(w,h)],w、h分别为图像的宽和高；η为平衡权重，防止因图像太大使得滤波器窗口步长过大从而导致滤波效果不佳；T主要控制图像的压缩程度，T过大会导致图像增强效果不佳，而T太小则会使图像出现过曝光的问题；相关实验验证设置参数η=0.04,T=4时能使弱可见光图像显著增强．图2(a）是弱可见光图像的源图像，（b）是用未改进的方法增强后的弱可见光图像，（c）是用改进后的方法增强后的弱可见光图像．如图中呈现，该自适应增强方法使光照条件相对较好的弱可见光图像增强程度较小，而光照条件较差的图像增强程度较大，并且从图2(b）与（c）的对比中能看出，改进后的方法使图像整体的细节信息更为突出，对比度更好．2.3 基于潜在低秩表示和复合滤波的分解方法

本文分解方法具体过程如图3所示．首先，源图像经过潜在低秩表示方法L分解得到一个低频分量B1和一个高频分量D1．然后，B1再经过双边滤波B分解得到低频分量B2，高频分量D2由B1和B2的差值求得．之后，B2再经过高斯滤波G分解得到低频分量B3，高频分量D3由B2和B3的差值求得．图像经过分解方法操作过后的具体结果如图4所示，利用本文分是解方法得到输入图像的三层高频部分以及一层低频部分．

【参考文献】：
期刊论文
[1]基于稀疏特征的红外与可见光图像融合[J]. 丁文杉,毕笃彦,何林远,凡遵林,吴冬鹏.  光子学报. 2018(09)
[2]基于改进引导滤波和双通道脉冲发放皮层模型的红外与可见光图像融合算法[J]. 江泽涛,吴辉,周哓玲.  光学学报. 2018(02)
[3]基于NSST的红外与可见光图像融合算法[J]. 邓立暖,尧新峰.  电子学报. 2017(12)
[4]结合NSDTCT和稀疏表示的遥感图像融合[J]. 殷明,庞纪勇,魏远远,段普宏.  光子学报. 2016(01)



本文编号：3409855