7、红外与可见光图像融合方法对比分析

红外与可见光图像融合方法对比分析

在图像融合领域，为了获得更全面、准确的图像信息，多种融合算法不断涌现。本文将详细介绍两种重要的图像融合方法——各向异性扩散融合（ADF）和基于显著性检测的两尺度图像融合（TIF），并对它们进行深入的对比分析。

1. ADF方法分析

ADF方法是一种用于红外和可见光传感器图像融合的技术。在进行实验时，设定参数 $k = 30$，对于 $g(.)$ 函数考虑方程 (2.65)，基础层融合采用权重 $w_1 = w_2 = 0.5$。

1.1 结果分析

对十种图像数据集，将ADF算法与其他多种图像融合算法进行了视觉质量和融合指标方面的对比分析。

• 定性分析

  • 皮划艇数据集 ：图2.27展示了皮划艇图像数据集不同融合方法的视觉质量。VI和IR图像分别提供了海岸、人物、船只和天空的部分信息，但单一图像无法给出场景的完整信息。融合后，RATIO方法会在融合图像中引入伪影，CBF方法会引入梯度反转伪影，GRAD、FSD、MSVD和SIDWT方法的融合图像虽不错，但不能提供场景的全部信息。而ADF方法的融合图像能清晰呈现场景（海岸、船只、天空和人物），且不引入额外信息。
  • 枪支数据集 ：图2.28展示了枪支数据集的情况。VI图像显示了三个人物及中间人物手持物体的信息，MMW图像传达了武器信息，但单一图像无法明确哪个人隐藏了手枪。融合后，RATIO融合图像无法提供手枪信息，GRAD、FSD、MSVD和SIDWT方法能整合源图