基于图像显著性的红外与可见光图像融合算法研究

"图像的显著性-组态王使用手册（完全版）" 本文主要探讨了基于图像显著性的图像融合算法，特别是在红外与可见光图像融合的应用。第五章着重阐述了如何利用图像显著性来改进红外图像的目标提取和融合效果。在第四章中，通过高斯模糊逻辑函数对红外图像进行处理，虽然能突出目标信息，但易误判高亮背景为目标。因此，一些学者尝试使用图像分割方法来区分目标和背景区域，并在多尺度分析的基础上采用不同的融合策略，然而这种方法在红外目标区域的精确识别上存在困难。 为解决这一问题，文章提出了利用图像显著性来进行指导的融合算法。首先，计算红外图像的显著性图，这涉及到计算机视觉中关于显著性检测的理论。显著性检测是模拟人类视觉系统快速定位图像兴趣区域的能力，它通常基于图像的颜色、对比度、亮度和纹理等特征差异。当某一区域的特征与周围区域差异较大时，就被认为是显著性区域。目前，图像显著性检测已成为研究热点，并在目标检测、图像分割和数据压缩等领域有广泛应用。 文章提到，早期的生物视觉显著性模型在计算机视觉中的应用并不理想。相比之下，采用NSCT（小波包分解）的平移不变性，结合Sigmoid型函数来计算红外图像在低频系数融合中的隶属度，可以更有效地实现红外与可见光图像的融合。实验结果显示，该算法能突出红外图像的目标信息，同时保持可见光图像的纹理背景，优于已有的相关算法。 此外，提到了一篇电子科技大学的硕士学位论文，该论文深入研究了红外与可见光图像融合技术，探讨了多源传感器成像技术的发展和多源图像融合技术的重要性。论文作者通过一系列方法提高了图像融合的效果，为图像处理提供了新的思路。 图像显著性在图像融合领域扮演着关键角色，通过计算和利用显著性图，可以提高目标检测和图像处理的精度，特别是在红外与可见光图像融合的应用中，显著性检测技术能够有效提升融合质量。