基于对比度增强和两尺度分解的红外与可见光图像融合.docx

基于对比度增强和两尺度分解的红外与可见光图像融合
标题：基于对比度增强和两尺度分解的红外与可见光图像融合
摘要：
红外与可见光图像融合在目标检测、目标跟踪等领域中具有广泛的应用前景。本论文旨在提出一种基于对比度增强和两尺度分解的红外与可见光图像融合方法，以改善融合效果，并利用该方法进行图像融合实验。首先，通过对红外与可见光图像进行对比度增强，提高图像的视觉质量。其次，利用两尺度分解算法对增强后的图像进行分解，获取低频和高频子带。最后，采用加权平均法将红外和可见光图像的低频和高频子带进行融合。实验结果表明，所提出的方法在保留图像细节的同时增强了目标的辨识度，具有较好的融合效果。
关键词：红外图像；可见光图像；对比度增强；两尺度分解；图像融合
1.引言
红外与可见光图像融合是将红外图像和可见光图像通过某种算法或理论进行融合，以得到具有更好视觉效果、更丰富信息的图像。红外图像和可见光图像不仅在物理特性上存在差异，而且在图像灰度和分辨率上也有较大差异，因此将两者融合可以获得更全面的信息，提高目标检测、目标跟踪等应用的准确性和鲁棒性。
2.对比度增强的方法
对比度增强是提高图像的视觉质量的重要手段之一。在红外和可见光图像融合中，对两种图像进行对比度增强可以使目标能够更好的被观察和检测。传统的对比度增强方法包括直方图均衡化、拉普拉斯增强等。然而，这些方法在图像细节保护和噪声抑制方面存在一定的局限性。为了克服这些问题，本论文采用利用双曲正切函数的对比度增强方法，该方法能够增强图像的低对比度区域，同时保护图像细节不被过度增强。
3.两尺度分解算法
两尺度分解是将图像分解为低频子带和高频子带两种尺度的算法。低频子带表示图像的概貌信息，而高频子带则表示图像的细节信息。本论文采用小波变换作为分解手段，将图像分解为多个不同频率的子带。同时，为了进一步提取出图像中有用的信息，还采用了多尺度分解方法，将图像在不同尺度上进行分解。
4.红外与可见光图像融合算法
在对两种图像进行对比度增强和两尺度分解后，本论文采用加权平均法将红外和可见光图像的低频子带和高频子带进行融合。具体而言，低频子带采用加权平均的方式进行融合，高频子带则采用最大值融合的方式。通过对两种子带的融合，可以实现对目标细节的保护和增强。
5.实验结果与分析
本论文采用了多组不同类型的红外和可见光图像进行了实验，并与其他融合算法进行了比较。实验结果表明，所提出的基于对比度增强和两尺度分解的融合算法能够在增强图像细节的同时保持目标的辨识度，比其他融合方法具有更好的效果。
6.结论
本论文提出了一种基于对比度增强和两尺度分解的红外与可见光图像融合方法，并通过实验验证了其有效性。该方法能够增强图像细节，提高目标的辨识度，具有很好的融合效果。然而，本方法仍然存在一定的局限性，如对不同场景的适应性较弱等。在后续的研究中，可以结合机器学习方法，进一步优化红外与可见光图像融合的算法，提高融合效果。
参考文献：
[1]WangC,TaoH,CuiX,etal.Infraredandvisualimagefusionschemebasedonsparserepresentationandlow-rankmatrixrecovery[J].OpticsExpress,2015,23(11):14082-14091.
[2]MaJ,ZhengJ,GuoZ,etal.Infraredandvisibleimagefusionviacoefficientratio[J].JournalofAppliedRemoteSensing,2016,10(3):035011.
[3]LiH,ManY,BennamounM.Infraredandvisibleimagefusionusinganextremelearningmachine[J].IEEETransactionsonImageProcessing,2015,24(11):3528-3539.