文献

J-GLOBAL ID：202202231433642051   整理番号：22A1113166

可視度増強とハイブリッドマルチスケール分解に基づく赤外線および可視画像融合【JST・京大機械翻訳】

Infrared and visible image fusion based on visibility enhancement and hybrid multiscale decomposition

著者 (5件)： Luo Yueying (School of Information Science and Engineering, Yunnan University, Kunming 650091, China) ,  He Kangjian (School of Information Science and Engineering, Yunnan University, Kunming 650091, China) ,  Xu Dan (School of Information Science and Engineering, Yunnan University, Kunming 650091, China) ,  Yin Wenxia (School of Information Science and Engineering, Yunnan University, Kunming 650091, China) ,  Liu Wenbo (School of Information Science and Engineering, Yunnan University, Kunming 650091, China)
資料名： Optik  (Optik)
巻： 258  ページ： Null  発行年： 2022年 
JST資料番号： D0251A  ISSN： 0030-4026  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 赤外線と可視画像融合技術は,赤外線画像の熱源情報を可視画像に統合し,より有益な画像を生成することを目的とする。近年提案された多くの融合方法は,詳細な情報の損失や低いコントラストなどの問題を持っている。本論文では,可視性増強とハイブリッドマルチスケール分解に基づく新しい赤外線と可視画像融合法を提案した。最初に,著者らは,詳細を増加して,ソース画像の品質を改良するために,効果的画像前処理方法を提案した。次に,前処理画像をl_1-l_0分解モデルによって分解して,基底と詳細層を得た。第3に,ベース層融合部分に対して,コントラスト情報を保存するだけでなく,融合結果の全体構造を保証する,視覚顕著性照明マップ(VSIM)の重みに基づく有意義な方法を提案した。詳細層融合部分のために,著者らは,融合詳細層の決定マップを得るために,畳込みニューラルネットワーク(CNN)の利点を採用した。次に,ラプラシアンとGaussピラミッドを用いて,詳細層と決定マップをそれぞれ分解して,次にそれらを合成詳細融合戦略によって融合する。最後に,最終的な融合結果を生成するために,基底と詳細層を再構成した。実験結果は,著者らの結果が,人間の視覚システム(HVS)とより線型であり,定量的計量に関していくつかの最先端の方法より優れていることを証明した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  視覚 ,  *赤外線 ,  熱源 ,  照明 ,  特徴抽出 ,  *画像処理 ,  再構成 ,  角錐 ,  赤外線画像 ,  *可視度 ,  *指数 ,  Laplace演算子
準シソーラス用語： *画像融合 ,  *マルチスケール ,  *可視画像 ,  視覚システム ,  視覚顕著 , 【Automatic Indexing@JST】

著者キーワード (4件)： 画像融合 ,  画像強調 ,  マルチスケール分解 ,  視覚突出照明マップ

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (7件)： 可視度 ,  増強 ,  マルチスケール ,  分解 ,  赤外線 ,  可視画像 ,  融合