EgeFusion: Hin zu einer Kantengradientenverstärkung in der Infrarot- und Sichtbildfusion mit Multi-Skalen-Transformation

Bestehende Methoden zur Bildfusion konzentrieren sich darauf, Bildmerkmale aus verschiedenen Modalitäten zu einem klaren und umfassenden Bild zu aggregieren. Diese Lösungen ignorieren jedoch die Bedeutung von Gradienteneigenschaften, was zu einer glatten Darstellung von Kontrastinformationen in den fusionierten Bildern führt. In diesem Papier wird eine Methode zur Verstärkung von Kantengradienten für die Infrarot- und Sichtbildfusion vorgeschlagen, die EgeFusion genannt wird. Zuerst werden die Quellbilder durch einen einfachen gewichteten Least-Squares-Filter in eine Reihe von Basis- und Detailebenen zerlegt. Anschließend wird ein Subfenster-Varianzfilter für die Fusion der Detailebenen vorgeschlagen. Für die Basisebene wird eine Fusionsstrategie entworfen, die visuelle Salienzabbildung mit der Idee der adaptiven Gewichtszuweisung kombiniert. Die Methode weist die Salienzmerkmale der Quellbilder global zu und bietet somit umfassendere und wertvollere Informationen über das Interessengebiet in den fusionierten Bildern. Schließlich werden die fusionierten Basis- und Detailebenen umgekehrt rekonstruiert, um die Fusionsresultate zu erhalten. Die experimentellen Ergebnisse zeigen, dass die vorgeschlagene Methode die Gradienteneigenschaften in den Quellbildern erheblich verbessert hat, was es dem menschlichen visuellen System erleichtert, sich auf das Interessengebiet zu konzentrieren. Im Vergleich zu anderen modernen Fusionsmethoden weist das vorgeschlagene EgeFusion eine überlegene visuelle Qualität und akzeptable Ergebnisse in der Infrarot- und Sicht-, Multi-Fokus- sowie multimodalen medizinischen Bildfusion auf. Noch wichtiger ist, dass unser Ansatz Leistungsverbesserungen bei der Objekterkennung erzielt.