基于局部特征的智能图像融合

doi:10.3724/SP.J.1087.2012.01536

计算机应用 ›› 2012, Vol. 32 ›› Issue (06): 1536-1538.DOI: 10.3724/SP.J.1087.2012.01536

基于局部特征的智能图像融合

李玲玲¹,黄秋艳²,闫成新²

1. 郑州航空工业管理学院计算机科学与应用系, 郑州 450015
2. 中国石油大学（华东）机电工程学院，山东青岛 266555

收稿日期:2011-11-28 修回日期:2012-01-28 发布日期:2012-06-04 出版日期:2012-06-01
通讯作者: 李玲玲
作者简介:李玲玲（1973-），女，河南开封人，副教授，博士，主要研究方向：图像处理、模式识别；〓黄秋艳（1987-），女，山东临沂人，硕士研究生，主要研究方向：图像处理；〓闫成新（1969-），男，山东青州人，副教授，博士，主要研究方向：图像处理、模式识别。
基金资助:
国家自然科学基金资助项目;教育部新世纪优秀人才支持计划项目;河南省科技创新杰出青年基金资助项目;河南省重点科技攻关计划项目

Local feature based intelligent image fusion

LI Ling-ling¹,HUANG Qiu-yan²,YAN Cheng-xin²

1. Department of Computer Science and Application, Zhengzhou Institute of Aeronautical Industry Management, Zhengzhou Henan 450015，China
2. College of Mechanical Engineering, China University of Petroleum, Qingdao Shandong 266555, China

Received:2011-11-28 Revised:2012-01-28 Online:2012-06-04 Published:2012-06-01
Contact: LI Ling-ling

摘要/Abstract

摘要： 对衡量图像清晰程度的局部特征参数进行了对比研究，得出了拉普拉斯能量（EOL）最优参数。提出一种使用拉普拉斯局部特征的智能化图像融合算法。算法首先对已配准的图像集进行分割，对分割图像分块并计算EOL，将EOL作为网络输入进行训练，根据EOL比对自动决定训练的目标向量。将测试图像进行分割并计算局部EOL，将EOL作为测试输入进行粗融合，最后进行一致性校验得到最终融合结果。实验研究表明，本算法对不同传感器的图像均取得了良好的融合效果。

关键词: 局部特征, 图像融合, 智能融合, 拉普拉斯能量

Abstract: Local features measuring image clarity are studied. Energy of Laplacian (EOL) is considered as the optimal feature. An novel intelligent image fusion algorithm based on EOL is proposed. A set of registered images is firstly segmented, then local EOLs of segmented image blocks are computed. EOLs are input into neural network and the target vectors are automatically obtained by comparing values of EOLs. Test images are segmented and their EOLs are put into trained network and the rough fusion images are generated. Final fusion results will be obtained by consistence verification. Experimental results demonstrated the good fusion performance on different source images.

Key words: Local feature, image fusion, intelligent fusion, energy of Laplacian

中图分类号:

TP391

李玲玲黄秋艳闫成新. 基于局部特征的智能图像融合[J]. 计算机应用, 2012, 32(06): 1536-1538.

LI Ling-ling HUANG Qiu-yan YAN Cheng-xin. Local feature based intelligent image fusion[J]. Journal of Computer Applications, 2012, 32(06): 1536-1538.

[1]	丁宇伟, 石洪波, 李杰, 梁敏. 基于局部和全局特征解耦的图像去噪网络[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2571-2579.
[2]	魏文亮, 王阳萍, 岳彪, 王安政, 张哲. 基于光照权重分配和注意力的红外与可见光图像融合深度学习模型[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2183-2191.
[3]	郭玉彬, 文向, 刘攀, 李西明. 基于双流结构的跨模态行人重识别关系网络[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1803-1810.
[4]	郑智雄, 刘建华, 孙水华, 徐戈, 林鸿辉. 融合多窗口局部信息的方面级情感分析模型[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1796-1802.
[5]	廉飞宇, 张良, 王杰栋, 靳于康, 柴玉. 基于图模型与注意力机制的室外场景点云分割模型[J]. 《计算机应用》唯一官方网站, 2023, 43(12): 3911-3917.
[6]	韩林凯, 姚江伟, 王坤峰. 保留梯度和轮廓的可见光与红外图像融合[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3574-3578.
[7]	窦猛, 陈哲彬, 王辛, 周继陶, 姚宇. 基于深度学习的多模态医学图像分割综述[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3385-3395.
[8]	胡紫琪, 谢凯, 文畅, 李美然, 贺建飚. 生成对抗网络下的低剂量CT图像增强[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 280-288.
[9]	仇天昊, 陈淑荣. 基于EfficientNet的双分路多尺度联合学习行人再识别[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2065-2071.
[10]	张林发, 张榆锋, 王琨, 李支尧. 基于直觉模糊集和亮度增强的医学图像融合[J]. 计算机应用, 2021, 41(7): 2082-2091.
[11]	牛康力, 谌雨章, 沈君凤, 曾张帆, 潘永才, 王绎冲. 基于深度学习的双通道夜视图像复原方法[J]. 计算机应用, 2021, 41(6): 1775-1784.
[12]	吴蕾, 杨晓敏. 改进的基于通道注意力反馈网络的遥感图像融合算法[J]. 计算机应用, 2021, 41(4): 1172-1178.
[13]	黄思远, 张敏情, 柯彦, 毕新亮. 基于显著性检测的图像隐写分析方法[J]. 计算机应用, 2021, 41(2): 441-448.
[14]	陶冶, 许文海, 徐鲁强, 郭富城, 蒲海波, 陈广同. 基于人工欠曝光融合和白平衡技术的水下图像增强算法[J]. 《计算机应用》唯一官方网站, 2021, 41(12): 3672-3679.
[15]	成亚玲, 柏智, 谭爱平. 基于引导滤波和差分图像的多聚焦图像融合方法[J]. 计算机应用, 2021, 41(1): 220-224.

基于局部特征的智能图像融合

Local feature based intelligent image fusion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics