💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
图像融合在计算机视觉应用中扮演着至关重要的角色,特别是在需要整合多个信息源以增强分析和决策能力的场景中。在本研究中,我们提出了一种新颖的方法,利用双尺度显著性检测来融合可见光(VL)和红外(IR)图像。所提方法利用VL和IR图像之间的互补性,以增强融合图像的整体视觉感知和信息内容。首先,我们分别在两个不同尺度上对VL和IR图像进行显著性检测,以捕获局部和全局显著区域。接下来,应用融合策略将来自两种模态的显著信息整合在一起,同时保留关键特征和结构。对多样化数据集的实验结果表明,与传统的融合技术相比,所提方法在产生改善的可见性、对比度和信息内容方面具有显著的效果。该融合框架在监视、目标检测和遥感等各种应用中表现出色,其中精确和全面的场景分析至关重要。总的来说,基于显著性检测的多尺度图像融合方法为在各种实际场景中增强感知和分析提供了有价值的解决方案。
📚2 运行结果
主函数部分代码:
clc;
clear all;
close all;
%% SOURCE IMAGE 1
I1=(imread('hoed_A.tif'));
%
%% SOURCE IMAGE 2
%
I2=(imread('hoed_B.tif'));
%%
tic
N=3;
Med1= medfilt2(I1, [N N]);
M=35;
h=1/(M*M)*ones(M);
b1=imfilter(double(I1),double(h),'circular');
d1=double(I1)-b1;
S1=(b1-double(Med1)).^2;
Med2= medfilt2(I2, [N N]);
b2=imfilter(double(I2),double(h),'circular');
d2=double(I2)-b2;
S2=(b2-double(Med2)).^2;
w1=S1./(S1+S2);
w2=S2./(S1+S2);
F1=double(w1).*double(d1)+double(w2).*double(d2);
F2=0.5*b1+0.5*b2;
FF=double(F1)+F2;
toc
figure, imshow(I1, []);
figure, imshow(I2, []);
figure, imshow(S1, []);
figure, imshow(S2,[]);
figure, imshow(w1, []);
figure, imshow(w2, []);
figure, imshow(F1,[]);
figure, imshow(F2,[]);
figure, imshow(FF, []);
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。
[1]程月馈,刘晓文.基于联合注意力的渐进式遥感图像融合[J/OL].激光与红外:1-11[2024-06-08].http://kns.cnki.net/kcms/detail/11.2436.TN.20240606.0936.002.html.
[2]凌晨,张荣福,杨紫叶,等.融合显著性和非局部模块的细粒度图像分类算法[J/OL].光学仪器:1-9[2024-06-08].http://kns.cnki.net/kcms/detail/31.1504.TH.20240603.1327.004.html.