基于改进非线性加权的图像融合算法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (14): 22-25.

基于改进非线性加权的图像融合算法

杨秋芬1，2，桂卫华1，胡豁生1

1.中南大学信息科学与工程学院，长沙 410083
2.湖南广播电视大学理工教学部，长沙 410004

出版日期:2014-07-15 发布日期:2014-08-04

Image fusion algorithm based on improved nonlinear weight

YANG Qiufen1，2, GUI Weihua1, HU Huosheng1

1.College of Information Science and Engineering, Central South University, Changsha 410083, China
2.Department of Science and Engineering Education, Hunan Radio &TV University, Changsha 410004, China

Online:2014-07-15 Published:2014-08-04

摘要/Abstract

摘要： 为了改善图像融合的质量和效率，提出了一种非线性加权的图像融合算法。首先计算图像的非线性加权值，并采用金字塔高斯对图像进行平滑处理，然后对原图和平滑后图像融合，得到图像融合结果，最后采用仿真实验对算法性能进行测试。实验结果表明，该算法使图像融合过渡效果更加自然，提高了融合速率，可以满足图像处理系统实时性的需求，获得了比传统算法更加理想的图像融合效果。

关键词: 图像融合, 非线性加权, 降采样轮廓波变换, 质量评价

Abstract: In order to improve the quality and efficiency of image fusion, this paper proposes an image fusion algorithm based on improved nonlinear weight. Firstly, the nonlinear weighted value of the image is calculated, and the pyramid Gauss image is used to smooth image, and then the original and smoothed images are different and accumulated to achieve image fusion, finally, the simulation experiment is used to test the performance of the algorithm. The experimental results show that, the algorithm makes the image fusion transition effect is more natural, it significantly improves the fusion rate, can meet the demand of real-time image processing system, the image fusion effect compared with the traditional algorithm is more ideal.

Key words: image fusion, nonlinear weighted, nonsubsampled contourlet transform, quality assessment

杨秋芬1，2，桂卫华1，胡豁生1. 基于改进非线性加权的图像融合算法[J]. 计算机工程与应用, 2014, 50(14): 22-25.

YANG Qiufen1，2, GUI Weihua1, HU Huosheng1. Image fusion algorithm based on improved nonlinear weight[J]. Computer Engineering and Applications, 2014, 50(14): 22-25.

[1]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[2]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[3]	曹玉东，刘海燕，贾旭，李晓会. 基于深度学习的图像质量评价方法综述[J]. 计算机工程与应用, 2021, 57(23): 27-36.
[4]	王长城，周冬明，刘琰煜，谢诗冬. 无监督深度学习模型的多聚焦图像融合算法[J]. 计算机工程与应用, 2021, 57(21): 209-215.
[5]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[6]	孙菁阳，陈凤东，韩越越，吴煜雯，甘雨，刘国栋. 图像超分辨率重建算法综述[J]. 计算机工程与应用, 2021, 57(17): 1-9.
[7]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[8]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[9]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[10]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[11]	程晓梅，沈远彤. 双目标的CNN无参考图像质量评价方法[J]. 计算机工程与应用, 2019, 55(9): 26-32.
[12]	张凯兵，朱丹妮，王珍，闫亚娣. 超分辨图像质量评价综述[J]. 计算机工程与应用, 2019, 55(4): 31-40.
[13]	李一菲，杨燕，张国强. 基于补偿暗通道和透射率融合的图像去雾算法[J]. 计算机工程与应用, 2019, 55(3): 196-201.
[14]	余霆嵩，文元美，凌永权. 基于张量分解融合RGB-D图像的物体识别[J]. 计算机工程与应用, 2019, 55(2): 174-178.
[15]	李敏，苑贤杰，骆志丹，邱晓华. 基于改进引导滤波与DCPCNN的图像融合方法[J]. 计算机工程与应用, 2019, 55(19): 207-213.