提出了一种基于变分法和梯度增强的红外与可见光图像融合算法。首先对红外与可见光的梯度特征进行自适应加权融合,得到初始融合梯度场;其次构建梯度特征增强模型,获得融合图像增强的梯度场;最后通过变分法将融合问题转换为最优化问题,得到最接近增强后梯度场的融合图像。实验结果表明,相比基于多分辨率框架下进行融合的拉普拉斯分解、小波变换及常见的基于变分的融合算法,所提出的算法得到的融合图像梯度特征最大,视觉效果最好,证明了算法的有效性。

提出了一种基于变分法和梯度增强的红外与可见光图像融合算法。首先对红外与可见光的梯度特征进行自适应加权融合，得到初始融合梯度场；其次构建梯度特征增强模型，获得融合图像增强的梯度场；最后通过变分法将融合问题转换为最优化问题，得到最接近增强后梯度场的融合图像。实验结果表明，相比基于多分辨率框架下进行融合的拉普拉斯分解、小波变换及常见的基于变分的融合算法，所提出的算法得到的融合图像梯度特征最大，视觉效果最好，证明了算法的有效性。