为了对身管内壁序列图像进行精确配准与融合拼接, 得到大视场高分辨率待检测图像, 根据图像特点提出了一种结合边缘检测的快速SIFT图像拼接方法。该方法充分考虑待处理图像的特点, 首先对感兴趣区域的图像进行边缘检测, 分割出细节信息最丰富的子区域, 再对分割出的子区域提取SIFT特征点并进行配准。然后, 使用基于Sigmoid型函数权重的图像融合方法, 实现图像之间的无缝融合, 最大程度地保证了融合图像的清晰度和细节信息的完整性。实验结果表明: 改进的方法和传统SIFT算法相比, 在特征点提取阶段的平均效率提高了80%左右, 且整体配准阶段的效率也有较大提高。图像融合结果在主观评价和各种客观评价值上都能满足工程实际需求。

针对传统图像融合方法造成的边缘模糊、细节损失、图像对比度与清晰度容易降低等问题, 利用非下采样轮廓波变换, 提出一种基于直觉模糊集和区域对比度的红外与可见光图像融合算法.首先, 使用非下采样轮廓波变换将源图像分解, 分别得到源图像的高频和低频成分.其次, 利用直觉模糊集灵活准确描述模糊概念的特性, 构建双高斯隶属函数对低频成分进行融合; 利用区域对比度详细描述图像纹理信息的特点, 采用多区域特征对比度结合距离分析的融合规则, 对高频成分进行融合.最后使用非下采样轮廓波逆变换得到融合图像.实验结果表明, 与其它融合算法相比, 该算法提高了图像对比度, 保留了源图像中的边缘和细节信息, 且得到的融合结果具有更优的客观评价值.