MS-ADoG域结合ReNLU与VGG-16的矿井双波段图像融合算法

摘要

为满足矿井视频监控需求,针对现有图像融合算法获取的融合图像存在伪目标、模糊目标、晕光遮挡目标等问题,提出了一种基于多尺度和自适应高斯差分变换,结合修正非线性单元和VGG-16的矿井双波段图像融合算法。设计了基于多尺度和自适应高斯差分变换的源图像分解模型,将红外和可见光图像分解为基础图像和细节图像;构造了一种修正非线性单元函数,使红外基础图像的权值随可见光基础图像的灰度自动调节,并采用“加权平均”的基础图像融合策略,以获得消除光源干扰的融合基础图像;利用预训练的VGG-16网络模型提取细节图像的4层网络深度特征,获取4对具有不同网络深度特征的融合图像后,通过“极大值选择”方法得到融合细节图像;对融合基础图像和融合细节图像进行重构,获取最终的融合图像。实验结果表明:所提算法能够消除矿井下人工光源干扰,得到场景清晰、特征显著的融合图像,更符合人的视觉特性;同时,改善了异源图像的融合效率,有利于图像的进一步分析处理。与其他典型算法相比,该算法鲁棒性好,克服了传统算法难以提取图像深度特征的缺点,更易于消除光源干扰,获得更加全面、可靠和丰富的场景信息。