作者单位
摘要
1 中北大学 信息与通信工程学院,山西太原 030051
2 中北大学 朔州校区,山西朔州 036000
3 中北大学 数学系, 山西太原 030051
为了同时保证融合质量和效率,提出了一种基于多尺度高斯滤波和形态学变换的图像融合方法。设计了多尺度高斯滤波,将源图像分解为一系列细节图像和近似图像,并使用多尺度顶帽和底帽分解来完全提取近似图像中不同尺度的明暗细节。构造了多尺度形态学内外边缘分解,以充分提取细节图像的边缘信息。实验结果表明,该方法与典型的基于多尺度分解的融合方法相当甚至更好,同时比一些先进的基于多尺度分解的方法(如NSCT和NSST)运算速度快得多。
图像融合 多尺度图像分解 多尺度高斯滤波 形态学变换 image fusion multi-scale decomposition multi-scale Gaussian filtering morphological transform 
红外与毫米波学报
2020, 39(6): 810
作者单位
摘要
河南理工大学 计算机科学与技术学院, 河南 焦作 454000
为增强高动态范围图像(High dynamic range, HDR)的显示效果,本文提出一种多尺度梯度域色调映射算法。首先提取高动态范围图像的亮度信息,利用双边滤波将高动态范围图像的亮度数据进行多尺度分解,得到基本层和细节层。由于视觉上的亮度变化体现为图像数据的梯度变化,因此可在梯度域对基本层图像进行自适应动态范围压缩,然后加上细节层图像信息,最后再通过色彩校正算法恢复图像色彩,实现HDR图像的动态范围压缩。通过对比算法的定量分析表明,本文算法的方差和信息熵的客观指标分别提高了30.8%和5.9%,因此,本文方法在压缩HDR图像的动态范围的同时,可以更好地保留边界、纹理等细节信息。
高动态范围图像 多尺度图像分解 图像滤波 梯度压缩 色调映射 high dynamic range image multi-scale image decomposition image filter gradient compression tone mapping 
液晶与显示
2018, 33(9): 816

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!