-
公开(公告)号：CN106204510A
公开(公告)日：2016-12-07
申请号：CN201610540101.7
申请日：2016-07-08
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于结构相似度约束的红外偏振与光强图像融合方法。本发明公开了一种采用结构相似度的多尺度红外偏振与光强图像融合方法，属于红外图像融合领域，本方法利用多尺度高斯滤波器获得红外偏振低频图像，滤波前后的图像相减获得红外偏振图像高频特征，分解时加入结构相似度指标评判低频图像与原红外偏振图像相似度，当相似低于阈值时，完成红外偏振高频特征提取停止分解，保证了红外偏振图像的边缘和纹理等特征最大限度得以提取，最大程度减少高频信息损失；将分解的红外偏振图像的高频特征图像叠加至红外光强图像。该方法克服了现有方法在融合中容易造成亮度、轮廓、边缘和纹理等特征丢失过多问题，完整的保留红外光强图像特征和较完整地保留了红外偏振图像特征，方法简单且有效。
-
公开(公告)号：CN106204510B
公开(公告)日：2018-09-18
申请号：CN201610540101.7
申请日：2016-07-08
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于结构相似度约束的红外偏振与光强图像融合方法。本发明公开了一种采用结构相似度的多尺度红外偏振与光强图像融合方法，属于红外图像融合领域，本方法利用多尺度高斯滤波器获得红外偏振低频图像，滤波前后的图像相减获得红外偏振图像高频特征，分解时加入结构相似度指标评判低频图像与原红外偏振图像相似度，当相似低于阈值时，完成红外偏振高频特征提取停止分解，保证了红外偏振图像的边缘和纹理等特征最大限度得以提取，最大程度减少高频信息损失；将分解的红外偏振图像的高频特征图像叠加至红外光强图像。该方法克服了现有方法在融合中容易造成亮度、轮廓、边缘和纹理等特征丢失过多问题，完整的保留红外光强图像特征和较完整地保留了红外偏振图像特征，方法简单且有效。
-
公开(公告)号：CN107909112B
公开(公告)日：2020-08-18
申请号：CN201711202003.3
申请日：2017-11-27
Applicant: 中北大学
Abstract: 本发明公开了一种红外光强与偏振图像多类变元组合的融合方法，包括以下步骤：S1：对采集图像特征进行类型分类；S2：将采集的图像的融合过程分成四类变元组；S3：建立四类变元组和三类图像特征的一一映射关系；S4：将建立变元组与图像特征之间的多个独立的一一映射关系，利用决策树方法建立以图像特征为起点，以变元组内变元为子结点的多集值映射关系；S5：利用边缘、纹理、亮度特征提取方法对图像进行特征提取并计算其特征幅值，并计算两类图像特征之间的差异特征幅值的绝对值；S6：将S5所得到的差异特征顺序关系输入到S4所得到的公式(2)中，可以得到四类变元组每个变元组内变元的选择情况。
-
公开(公告)号：CN107909112A
公开(公告)日：2018-04-13
申请号：CN201711202003.3
申请日：2017-11-27
Applicant: 中北大学
CPC classification number: G06K9/6289 , G06K9/38 , G06K9/4604 , G06K9/629 , G06K2009/4666
Abstract: 本发明公开了一种红外光强与偏振图像多类变元组合的融合方法，包括以下步骤：S1：对采集图像特征进行类型分类；S2：将采集的图像的融合过程分成四类变元组；S3：建立四类变元组和三类图像特征的一一映射关系；S4：将建立变元组与图像特征之间的多个独立的一一映射关系，利用决策树方法建立以图像特征为起点，以变元组内变元为子结点的多集值映射关系；S5：利用边缘、纹理、亮度特征提取方法对图像进行特征提取并计算其特征幅值，并计算两类图像特征之间的差异特征幅值的绝对值；S6：将S5所得到的差异特征顺序关系输入到S4所得到的公式(2)中，可以得到四类变元组每个变元组内变元的选择情况。
-
-
-
Search Results
4
records
(took 0.012 seconds)
