多尺度特征提取与融合的红外图像增强算法
摘要
针对传统的特征融合算法多从单一的尺度上抽取图像的特征，并且在红外图像亮度增强过程中可能导致局部特征信息的丢失与退化而引起红外图像细节分辨率不高的问题，提出了多尺度特征提取与融合的红外图像增强算法，主要由多尺度自适应特征提取模块、亮度增强迭代函数以及特征融合和图像重建模块构成。首先，提出的多尺度自适应特征提取融合模块保存和融合了来自不同卷积层特征的多尺度信息；然后，改进的亮度增强迭代函数使用了融合特征作为逐像素参数，用于红外图像亮度增强；最后，通过提出的特征融合和图像重建模块，增强了特征在网络中的传播能力，并保持了局部信息的完整性。实验结果表明：多尺度特征提取与融合的红外图像增强算法与其它表现较好的网络相比，峰值信噪比、余弦相似度以及信息熵分别提高了3.7%、1.3%、1.6%。且在测试数据集上根据引用的火灾隐患检测算法判断是否存在火灾隐患进行早期火灾检测，其准确率为97.86%，说明了提出的多尺度特征提取与融合的红外图像增强算法的有效性与可行性。
引用本文（GB/T 7714）
李牧 LI Mu, 张一朗 ZHANG Yilang, 柯熙政 KE Xizheng. 多尺度特征提取与融合的红外图像增强算法[J]. Infrared and Laser Engineering, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。