目标提取与引导滤波提升红外可见光图像融合效果

本篇文章主要探讨了一种创新的图像融合技术，旨在提升红外与可见光图像处理的效果。该方法的核心是基于目标提取与引导滤波增强的策略，其目的是为了突出图像中的目标区域，并增强细节表现。首先，通过二维Tsallis熵和基于图的视觉显著性模型对红外图像进行目标检测，这一步骤有助于识别图像中重要的目标区域。接着，对可见光图像和红外图像分别采用非下采样Shearlet变换（NSST），这是一种高效的图像分解技术，能够提取图像的多尺度和方向特征。 NSST之后，对获取的低频成分进行引导滤波增强，引导滤波是一种利用局部图像信息进行平滑和增强的方法，它能更好地保留边缘和细节信息。通过这种方式，融合过程更加注重目标区域的细节增强，同时保持整体图像的清晰度。 融合过程中，作者特别设计了一种规则，即利用目标提取的结果来决定融合图像的低频部分，而高频部分则根据方向子带信息和取较大值原则来确定。这种策略确保了融合图像在目标区域具有高对比度，同时保持了图像的整体连贯性和一致性。 最后，通过NSST的逆变换将处理后的低频和高频成分合成为融合图像。实验结果证明，这种方法相较于传统的图像融合技术，如拉普拉斯金字塔变换、小波变换、平稳小波变换以及非下采样Contourlet变换（NSCT）和基于目标提取与NSCT变换，能够在增强图像空间细节的同时，更有效地突出目标，从而提高图像的视觉效果和信息传递能力。此外，文章还展示了在信息熵和平均梯度等客观评估指标上的优势，这些指标反映了融合图像的质量和特征的完整性。 这篇文章提供了一种有效的图像处理手段，对于提高红外与可见光图像融合的性能，特别是在目标检测和细节增强方面，具有显著的优势和实际应用价值。