四元数红外与可见光图像融合

可见光图像仅在光照良好的条件下提供丰富的细节和颜色信息，而红外图像则能在低能见度和恶劣天气等挑战性条件下有效突出热目标。红外与可见光图像融合旨在整合来自红外和可见光图像的互补信息，以生成高质量的融合图像。现有方法存在关键局限性，例如忽略可见光图像中的颜色结构信息，以及在处理低质量彩色可见光输入时性能下降。为解决这些问题，我们提出了一个四元数红外与可见光图像融合（QIVIF）框架，以完全在四元数域中生成高质量的融合图像。QIVIF 提出了一个四元数低能见度特征学习模型，以在各种退化条件下自适应地从输入的红外和可见光图像中分别提取显著的热目标和细粒度纹理细节。然后，QIVIF 开发了一种四元数自适应反锐化掩模方法，以自适应地增强高频特征并平衡光照。QIVIF 进一步提出了一个四元数分层贝叶斯融合模型，以整合红外显著性和增强的可见光细节，从而获得高质量的融合图像。在多个数据集上的大量实验表明，我们的 QIVIF 在具有挑战性的低能见度条件下超越了最先进的方法。