针对医学图像融合过程中易产生人造纹理的问题, 本文将引导滤波器应用到医学图像融合中, 有效提高融合图像的空间连续性, 减少人造纹理的产生。首先利用导向滤波器的细节增强特性获得图像的细节层信息, 主要通过导向滤波器对原图像进行滤波处理得到其基础层图像信息, 再与原图像作差运算即可得细节层图像信息; 然后采用基于含可变参数p的邻域统计特性融合规则得到图像融合权值系数, 该融合规则在原有的邻域统计特性中加入可变参数p, 可以有效增强融合图像的细节信息; 最后将原图像按照所得的图像融合权值系数进行融合, 得到最终的融合图像。实验仿真结果对比分析表明, 随着可变参数p的变化, 融合效果也有明显的提高, 当p>10后, 融合效果基本趋于平稳。该融合方法可以有效地实现医学图像融合, 与其他融合方法相比, 具有一定的优越性。

为了充分利用源图像重要特征,提出了一种基于迭代导向滤波与多视觉权重信息的红外与可见光图像融合算法.首先,通过一种迭代导向滤波器将输入图像分解为基础层与细节层; 其次,利用边角信息、清晰度与对比度来综合确定二进制权重系数,再选择导向滤波对其优化,进一步去除噪声并抑制伪影的产生; 最后,应用重构准则对基础层与细节层进行组合,得到融合图像.实验结果表明,与其它多尺度分解相比,该方法具有尺度感知特性,可以更好地分离空间重叠的特征,不仅可以使夜视融合图像的细节信息更突出,还能够有效地抑制伪影.

在红外弱表观目标跟踪中，由于目标表观信息贫乏且受场景强噪声干扰，现有算法难以有效提取目标特征，实现对目标的准确跟踪.针对这一问题，本文提出一种基于时空方向能量的红外弱表观目标跟踪方法.该方法提取目标时空方向能量作为特征，建立方向能量直方图描述目标特征.在粒子滤波方法框架下，将粒子方向能量直方图与目标模板的相似度作为粒子滤波预测与更新阶段的观测输入.由于时空方向能量来源于目标的运动特征，因此本文方法具有较强的抗辐射突变性.实验结果证明，该方法能够稳定地跟踪弱表观目标，与传统基于灰度特征的跟踪方法相比，可靠性增强，且具有良好的适应性.