用于快速图像融合的尺度不变结构显著性选择
计算机视觉与模式识别
2020-01-20 v1
摘要
本文提出一种基于尺度空间理论、在空间域中实现的像素级尺度不变快速有效图像融合方法。具体而言，我们提出了一种基于图像高斯差分（DoG）金字塔的尺度不变结构显著性选择方案来构建权重或活动图。由于尺度不变结构显著性选择，我们的方法能够同时保留图像中小尺寸物体的细节与大尺寸物体的完整性信息。此外，我们的方法非常高效，因为其中不涉及复杂运算且易于实现，因此可用于高分辨率图像的快速融合。实验结果表明，所提方法在视觉质量与客观评价指标上均优于当前最先进（state-of-the-art）的图像融合方法或与之相当。而且，所提方法速度极快，可用于高分辨率图像的实时融合。代码见 https://github.com/yiqingmy/Fusion。
引用
@article{arxiv.1810.12553,
title = {Scale-Invariant Structure Saliency Selection for Fast Image Fusion},
author = {Yixiong Liang and Yuan Mao and Jiazhi Xia and Yao Xiang and Jianfeng Liu},
journal= {arXiv preprint arXiv:1810.12553},
year = {2020}
}