⛄一、对比度增强结合多尺度边缘保持分解红外与可见光图像融合简介
1 引言
夜视成像技术在军事与执法领域,如监控,侦查,情报搜集和安保等方面有着重要应用。不同类型的夜视成像传感器在记录同一场景时,在其提供的信息中有部分是冗余的或互补的。图像融合技术可以将可见光图像与热红外图像融合为一幅图像。融合后的新图像能够清晰地显示目标与背景,相比每个单独的源图像融合图像可以提供更多信息。因此,为了获得更适合人感知和计算机处理的夜视图像,有必要对更有效的融合算法展开研究。
近年来,国内外针对像素级图像融合算法做了大量研究,其中以多尺度融合算法居多,如拉普拉斯金字塔、平移不变离散小波变换、contourlet 变换和 ridgelet 变换等 。上述方法可以较好地保存不同源图像的细节,但在融合过程中没有充分考虑空间一致性,导致融合图像存在伪影。文献[5]提出一种基于导向滤波的加权平均融合算法,导向滤波用于解决空间一致性问题,但算法中没有考虑多尺度分解,导致丢失源图像中的细节。此外,在夜间拍摄的可见图像中细节的可视较差,若直接融合,得到的融合结果整体清晰度不理想,故在融合之前有
必要增强可见光图像对比度。常用的对比度增强算法有直方图均衡化算法、ACE 算法和多尺度 retinex算法等 ,但这些算法运算量大或产生伪影。通过动态范围压缩和对比度增强完成对可见光图像的增强,但其不能自适应地增强可见光图像中的细节。针对以上算法存在的问题,本文提出一种改进的图像融合方法。该方法首先在融合之前采用基于导向滤波的自适应增强算法提高夜间