结合FABEMD和改进的显著性检测的图像融合

发布时间：2024-01-31 08:06

　　针对红外与可见光图像融合中存在的显著目标不突出、对比度低、存在较多的伪影问题,提出了一种结合快速自适应二维经验模态分解(fast and adaptive bidimensional empirical mode decomposition,FABMED)和改进的显著性检测的图像融合算法。首先,通过FABEMD对红外和可见光图像进行多尺度分解得到对应的基础层和细节层。然后,对最大对称环绕显著性检测做暗抑制改进,将其用于基础层的融合上;结合改进的显著性检测和引导滤波,对细节层进行融合。最后,对各融合子图进行FABEMD逆变换重构出融合图像。与其他经典的融合算法相比,仿真实验验证了本文算法的有效性。

【文章页数】：9 页

【部分图文】：

图2MSS和DSMSS显著性检测对比

图2MSS和DSMSS显著性检测对比1.4融合规则

图1结合FABEMD-DSMSS的图像融合结构图

算法的流程主要有FABEMD分解、DSMSS显著性检测、融合规则。1.2FABEMD分解

图2MSS和DSMSS显著性检测对比

图2为MSS和DSMSS显著性检测对比。在图2(c）～图2(f）中，框中的部分在源图像中较暗，不应该出现在融合图像中，从图2(c）～图2(f）可以看出，框中的部分出现在MSS显著性检测结果图中，而DSMSS显著性检测对这一部分进行了抑制。在融合结果图2(g）和图2(h）中，基于M....

图3基础层融合规则分析

分解图像的基础层包含了图像的大部分能量，为了使融合结果中目标突出，本文基础层融合规则基于DSMSS显著性检测生成。图3是基础层融合规则分析，红外与可见光图像的DSMSS对比图通过式（8）计算。可以看出，图3(a）目标突出，将其用于基础层的融合规则中，可以保持显著性目标的对比度，取....

本文编号：3891248