小波变换驱动的多波段偏振图像融合新算法提升目标检测效果

本文主要探讨了一种创新的基于小波变换的多波段偏振图像融合算法。该算法针对可见光波段的三幅偏振图像处理，首先通过小波变换将其分解为低频和高频两部分。在低频部分，通过对每波段的小波系数取平均值，形成融合后的低频系数，这有助于保持图像的全局纹理信息。对于高频部分，采用了不同的融合策略。每个波段的高频细节系数根据输入图像的区域特征和小波系数窗口区域方差进行动态调整，以保留图像的细节和边缘信息。 接着，再次对融合后的图像进行小波分解，采用低频图像的小波系数最小值作为最终的低频系数，这样可以进一步强调图像的边缘和轮廓。而在高频部分，利用纹理一致性测度进行纹理检测，这一过程有助于确定融合规则，确保来自不同图像的特征和细节能够协调地结合在一起，增强图像的视觉效果。 实验结果显示，这种融合算法成功地整合了偏振信息和光谱信息，显著提高了目标与背景之间的对比度，这对于后续的目标检测和识别任务具有显著优势。此外，对融合图像的质量评价也表明，这种方法在保持图像质量和增强细节方面表现出色，为实际应用提供了有效的图像处理手段。 关键词包括“偏振图像”、“边缘检测”、“纹理一致性测度”和“性能评价”，这些关键词突出了论文的核心技术及评估标准。该算法为多波段偏振图像的高效融合提供了一种新的可能，有望在遥感、图像处理等领域得到广泛应用。