6、高斯滤波图像融合性能评估

高斯滤波图像融合性能评估

1. 局部对比度（LC）显著区域检测

局部对比度（LC）技术旨在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

2.1 融合算法步骤

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，具体步骤如下：
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。基础层保留图像的整体结构，细节层包含更细微和具体的特征。
2. 细节层融合 ：通过区域方差最大化方法，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显著区域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，通过纳入显著信息，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，结合各自的融合权重图，对基础层和细节层进行融合，确保红外和可见光图像的重要特征有效地整合到最终的融合图像中。

2.2 公式表示

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。
- 连续三次高斯滤波的结果用方程（1）表示：
[
\begin{cases}
D_{1_{IR}} = GF(I_{IR}) \