红外偏振图像融合新法：Teager算子与Contourlet结合

本文主要探讨了基于Teager算子的红外偏振图像融合算法的研究。作者张晶晶和郭睿东在2011年通过一项高校博士学科点专项科研基金项目展开工作，他们的研究专注于改进传统的图像融合方法，以提升红外偏振图像的处理效果。 该算法的核心思想是结合Contourlet变换和二维Teager算子。Contourlet变换是一种多尺度、方向敏感的图像分解工具，它能够有效地分离图像的低频和高频成分。在这个过程中，红外偏振图像被分解为两个子带，即低频和高频部分。高频子带的处理利用了Teager算子，这是一种非线性算子，特别适合于捕捉图像中的边缘和细节信息，因为它具有良好的抗噪声性能和边缘检测能力。 算法的关键步骤包括： 1. **图像分解**：使用Contourlet变换对红外偏振图像进行分解，以便更好地提取特征。 2. **特征选择**：针对高频子带，采用Teager算子处理，通过计算其局部特征（如强度变化率）来增强边缘信息。 3. **区域特征判断**：依据不同区域的对比度最大原则，决定高频子带的融合策略，确保重点突出关键特征。 4. **低频处理**：对于低频子带，以能量为判别标准，采用加权权重的方式进行融合，保证整体图像的稳定性。 5. **融合结果评估**：实验结果显示，与传统算法相比，这种方法显著增强了红外偏振遥感图像的边缘和纹理细节，提高了图像的清晰度和视觉效果。 文章的关键词包括“红外偏振”、“Contourlet变换”、“二维Teager算子”以及“对比度”，这些词汇反映了研究的核心技术和关注点。该算法的应用可能在遥感领域，特别是在环境监测、地形识别、军事侦察等方面具有潜在优势，因为红外偏振信息可以提供额外的维度来区分和解析目标。 这篇论文为红外偏振图像处理提供了一种创新的融合策略，旨在改善图像质量和信息提取效率，对于提升红外偏振遥感技术的实用性和应用潜力具有重要意义。