基于多状态上下文隐马尔可夫模型的红外与可见光图像融合
计算机视觉与模式识别
2022-01-27 v1
摘要
传统的双状态隐马尔可夫模型仅将高频系数划分为两种状态（大状态与小状态）。该方案易对高频子带产生不准确的统计模型，并降低融合结果质量。本文提出一种细粒度的多状态上下文隐马尔可夫模型（MCHMM），用于非下采样 Shearlet 域中的红外与可见光图像融合，其充分考虑了 NSST 系数的强相关性与细节层次。为此，从上下文相关性角度相应设计了准确的软上下文变量。随后，利用 MCHMM 提供的统计特征进行高频子带融合。为保障视觉质量，针对低频子带亦提出了一种基于区域能量差异的融合策略。实验结果表明，所提方法在主观与客观方面均优于其他融合方法。
引用
@article{arxiv.2201.10739,
title = {Infrared and visible image fusion based on Multi-State Contextual Hidden Markov Model},
author = {Xiaoqing Luo and Yuting Jiang and Anqi Wang and Zhancheng Zhang and Xiao-Jun Wu},
journal= {arXiv preprint arXiv:2201.10739},
year = {2022}
}