6、基于高斯滤波的红外与可见光图像融合算法研究

基于高斯滤波的红外与可见光图像融合算法研究

1. 局部对比度（LC）的显著性检测

局部对比度（LC）技术的目标是通过考虑图像不同区域的对比度，识别出图像中显著或视觉上独特的区域。

2. 基于高斯滤波的图像融合分解模型

提出使用高斯滤波器将红外和可见光图像分解为基础层和细节层。以下是该图像融合算法的步骤：
1. 三层高斯滤波 ：对原始的红外（IR）和可见光（VIS）图像应用三层高斯滤波算法，将图像分为基础层和细节层。基础层包含图像的整体结构，细节层包含更细微和特定的特征。
2. 细节层融合 ：通过区域方差最大化的方法，将红外和可见光图像的细节层进行融合，确保融合后的细节层保留最重要的数据，从而提高最终图像的质量。
3. 基础层融合权重图 ：使用LC显著性检测方法为基础层创建融合权重图，在基础层的融合过程中使用该权重图，通过包含显著性信息，更优先处理重要区域，从而获得更好的最终结果。
4. 线性变换融合 ：使用线性变换技术将基础层和细节层及其各自的融合权重图进行融合，确保红外和可见光图像的重要特征有效地融合到最终的组合图像中。

红外和可见光图像分别用$I_{IR}$和$I_{VIS}$表示，细节层和基础层分别用$D$和$B$表示。

连续三次进行高斯滤波的结果用公式（1）表示：

Start Layout
1st Row
  1st Column upper D 1 S