ICIF:通过信息聚类和图像特征进行图像融合
Linlu Dong1, Jun Wang1, Liangjun Zhao2,3
1School of Information Engineering, Southwest University of Science and Technology, Mianyang, Sichuan, China.
PloS one
|August 2, 2023
概括
这项研究引入了一种新的图像融合方法 (ICIF),通过从不同传感器集群特征来提高图像清晰度. ICIF方法可以改善合图像中的目标突出显示和细节提取.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 传感器融合式传感器
背景情况:
- 当前的图像融合技术与不同传感器的不良相关特征作斗争,导致清晰度降低.
- 现有的融合策略往往无法充分补偿传感器之间的特征差异.
研究的目的:
- 提出一种新的图像融合方法,信息聚类和图像特征 (ICIF),以克服现有技术的局限性.
- 为了增强图像特征之间的相关性,并提高融合图像的清晰度.
主要方法:
- 使用加权中位数过算法进行图像集群,并结合红外纹理特征来引导可见光图像集群.
- 将图像分解为基础层,明亮细节层和暗细节层,以改善层间的相关性.
- 采用传感器衍生特征和层间特征作为融合策略的权重,根据扩展的纹理细节重建图像.
主要成果:
- 拟议的ICIF方法在公开数据集上的最先进方法相比显示出更高的性能.
- ICIF有效地突出了目标,并保存了丰富的图像细节.
- 该方法的通用性通过成功应用到医疗和多焦点图像融合领域来证明.
结论:
- ICIF方法在图像融合技术中提供了显著的进步,提高了清晰度和细节保存.
- ICIF提供了一个强大的框架来融合来自不同类型传感器的图像,具有广泛的适用性.
