Infrared and visible image fusion algorithm based on 2D empirical mode decomposition and non-subsampled directional filter banks

doi:10.13741/j.cnki.11-1879/o4.2019.03.017

您当前的位置：

首页 >

文章列表页 >

Infrared and visible image fusion algorithm based on 2D empirical mode decomposition and non-subsampled directional filter banks

更新时间：2025-09-01

- Infrared and visible image fusion algorithm based on 2D empirical mode decomposition and non-subsampled directional filter banks
- Vol. 45, Issue 3, Pages: 355-363(2019)
- 作者机构：
  
  1. 1:南通理工学院计算机与信息工程学院
  2. 2:山西财经大学信息工程学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2019.03.017
  CLC：
- Published：2019
- 稿件说明：
移动端阅览
Infrared and visible image fusion algorithm based on 2D empirical mode decomposition and non-subsampled directional filter banks[J]. 2019, 45(3): 355-363.
DOI：

Infrared and visible image fusion algorithm based on 2D empirical mode decomposition and non-subsampled directional filter banks[J]. 2019, 45(3): 355-363. DOI： 10.13741/j.cnki.11-1879/o4.2019.03.017.

摘要

针对当前红外(IR)与可见光(VI)图像融合中细节保留能力不足及目标配准精度不高的问题

设计了一种多尺度2D经验模态分解耦合非下采样方向滤波器组(NSDFB)的红外与可见光图像融合算法。分别计算红外与可见光图像的熵值

并比较二者阈值的大小

计算阈值较大图像的残差。通过2D经验模态分解(2D-EMD)和NSDFB机制

构建了多尺度方向分解模型

将熵值较大图像的残差和熵值较小的图像变换为高频方向系数与低频系数

以获得源图像的细节和特征信息。对于低频系数

引入加权平均作为低频系数的融合准则;根据区域能量对比度与清晰度来定义融合规则

完成高频系数的融合。利用2D-EMD多尺度分解逆变换将获取的低频与高频系数生成新图像。实验表明:与当前常用红外与可见光图像融合对比

所提算法具有更高的融合质量

所输出的图像具有更好的对比度与丰富的细节信息。

Abstract

关键词

Keywords

references

Views

164

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Joint implementation of image fusion and super-resolution based on convolutional sparse representation

Multi-source image fusion based on discriminative dictionary learning and morphological component decomposition

Adaptive fusion algorithm of infrared visible light image based on compressed sensing coupling gradient descent

Multi focus image fusion algorithm based on discrete Curvelet transform and adaptive energy model

Research on large field of view imaging system design using multi-sensor array and key technologies

Related Author

杨默远

李凡

谢明鸿

张亚飞

李华锋

王一棠

张佳丽

张琪

Related Institution

1:昆明理工大学信息工程与自动化学院

1:南充职业技术学院电子信息工程系

2:宁波大学信息科学与工程学院

1:宁波大红鹰学院信息工程学院

1:北京理工大学光电学院光电成像技术与系统教育部重点实验室

⁰