红外与可见光图像的贝叶斯融合
计算机视觉与模式识别
2020-09-04 v1
摘要
红外与可见光图像融合一直是图像融合中的热点问题。在该任务中，期望获得一幅同时包含可见光图像的梯度和细节纹理信息以及红外图像的热辐射与高亮目标的融合图像。本文针对红外与可见光图像建立一种新颖的贝叶斯融合模型。在我们的模型中，图像融合任务被转化为一个回归问题。为度量变量不确定性，我们以分层贝叶斯方式构建模型。为使融合图像满足人类视觉系统，模型引入了全变分（TV）惩罚项。随后，通过期望最大化（EM）算法对模型进行高效推断。我们在TNO和NIR图像融合数据集上用几种最先进的方法测试了我们的算法。与以往方法相比，该新颖模型能生成具有高亮目标和丰富纹理细节的更优融合图像，从而可提升目标自动检测与识别系统的可靠性。
引用
@article{arxiv.2005.05839,
title = {Bayesian Fusion for Infrared and Visible Images},
author = {Zixiang Zhao and Shuang Xu and Chunxia Zhang and Junmin Liu and Jiangshe Zhang},
journal= {arXiv preprint arXiv:2005.05839},
year = {2020}
}