一种基于膨胀的渐进渐出图像融合算法

J4 ›› 2014, Vol. 36 ›› Issue (07): 1347-1351.

一种基于膨胀的渐进渐出图像融合算法

陈为龙1,2，郭黎3

(1.四川师范大学可视化计算与虚拟现实四川省重点实验室，四川成都 610068;2.四川师范大学数字媒体系，四川成都 610068;3.湖北民族学院信息工程学院，湖北恩施 445000)

收稿日期:2012-12-29 修回日期:2013-05-08 出版日期:2014-07-25 发布日期:2014-07-25
基金资助:
四川省教育厅科学研究资助项目(11ZB073)；可视化计算与虚拟现实四川省重点实验室资助项目(PJ201113)；湖北省教育厅青年科学研究基金资助项目 (Q20111907)；湖北省自然科学基金资助项目（2012FFC02601）

A novel fade-in-and-fade-out image
fusion algorithm based on dilation

CHEN Weilong1,2,GUO Li3

(1.Visual Computing and Virtual Reality Key Laboratory of Sichuan Province,Sichuan Normal University,Chengdu 610068;
2.Digital Media Department,Sichuan Normal University,Chengdu 610068;
3.Information Engineering Department,Hubei Minzu University,Enshi 445000,China)

Received:2012-12-29 Revised:2013-05-08 Online:2014-07-25 Published:2014-07-25

摘要/Abstract

摘要：

在对多幅图像的不同区域进行拼接时，需要涉及到图像分割、配准以及图像融合等方法。针对多幅图像不同区域进行拼接的情况，提出了一种“基于膨胀的渐进渐出”图像融合算法，该算法在图像融合过程中结合形态学方法，大幅度提高了拼接图像的效果。多个实验验证了所提算法的有效性。

关键词: 图像拼接, 图像融合, 形态学处理, 渐进渐出, 图像分割

Abstract:

The mosaicing of various regions from different images requires image segmentation, registration and image fusion. Aiming at achieving a state-of-the-art image mosaic effect, a novel fade-in-and-fade-out image fusion algorithm based on dilation is proposed, which uses the morphological method to improve the effect of image mosaic obviously. Several experimental results show that the proposed algorithm is more effective than other methods.

Key words: image mosaic;image fusion;dilation;fade-in-and-fade-out;image segmentation

陈为龙1,2，郭黎3. 一种基于膨胀的渐进渐出图像融合算法[J]. J4, 2014, 36(07): 1347-1351.

CHEN Weilong1,2,GUO Li3. A novel fade-in-and-fade-out image
fusion algorithm based on dilation [J]. J4, 2014, 36(07): 1347-1351.

参考文献

［1］Zitova B, J Flusser. Image registration methods:A survey［J］. Image and Vision Computing, 2003, 21(10):9771000.
［2］Zhang Chaowei, Zhou Yan, Wu Sili. Automatic mosaic of surveillance images based on SIFT feature matching［J］.Computer Applications, 2008, 28(1):191194. (in Chinese)
［3］Yao Wei, Hu Maohai, Qin Xuan. Improved image mosaic algorithm based on feature point matching［J］. Infrared Technology, 2010, 32 (5):288290. (in Chinese)
［4］Zhang Wei, Liu Wei, Pu Jiexin. An image mosaic method based on SIFT and region selecting［J］. Microelectronics & Computer, 2010, 27(6):205207. (in Chinese)
［5］Shao Xiangxin, Guo Shuxu, Wang Lang. Image mosaic algorithm based on extended phase correlation of edge［J］. Journal of Jilin University(Information Science Edition), 2010, 28(1):9599. (in Chinese)
［6］Zhang Lin, Chu Longxian. Aerial image mosaic algorithms research based on global mosaic［J］. Computer Simulation, 2012, 29(4):282286. (in Chinese)
［7］Yu Hongsheng, Jin Weiqi. Evolvement of research on digital image mosaics methods［J］. Infrared Technology, 2009, 31(6):348353. (in Chinese)
［8］Szeliski R. Video mosaics for virtual environment［J］. IEEE Computer Graphics and Applications, 1996, 16(2):2230.
附中文参考文献：
［2］张朝伟, 周焰, 吴思励. 基于SIFT特征匹配的监控图像自动拼接［J］. 计算机应用, 2008, 28(1):191194.
［3］姚伟, 胡茂海, 秦晅. 改进的基于特征点匹配的图像拼接算法［J］. 红外技术, 2010, 32 (5):288290.
［4］张炜, 刘伟, 普杰信. 一种基于SIFT和区域选择的图像拼接方法［J］. 微电子学与计算机, 2010, 27(6):205207.
［5］邵向鑫, 郭树旭, 王朗. 基于边缘扩展相位相关的图像拼接算法［J］. 吉林大学学报（信息科学版）, 2010, 28(1):9599.
［6］张琳,褚龙现. 基于全局拼接的航拍图像拼接算法研究［J］. 计算机仿真, 2012, 29(4):282286.
［7］余宏生, 金伟其. 数字图像拼接方法研究进展［J］. 红外技术, 2009, 31(6):348353.

[1]	吴从中, 董浩, 方静. 基于注意力机制的自适应滤波遥感图像分割网络[J]. 计算机工程与科学, 2022, 44(11): 2010-2018.
[2]	李一, 李阳, 苗壮, 王家宝, 张睿. 一种扩展VIFB的红外与可见光图像融合基准[J]. 计算机工程与科学, 2022, 44(06): 1072-1082.
[3]	仇静博, 燕雪峰, 汪俊, 郭延文, 魏明强, . 基于全卷积神经网络的单幅隧道图像裂纹提取算法[J]. 计算机工程与科学, 2022, 44(05): 845-854.
[4]	许光宇, 丁健. 基于特征聚类的大视差图像拼接算法 [J]. 计算机工程与科学, 2022, 44(02): 283-290.
[5]	张丽霞, 曾广平, 宣兆成. 多源图像融合方法的研究综述[J]. 计算机工程与科学, 2022, 44(02): 321-334.
[6]	张贵仓, 王静, 苏金凤. 改进稀疏表示与积化能量和的多聚焦图像融合[J]. 计算机工程与科学, 2022, 44(01): 124-131.
[7]	曾增峰, 环宇翔, 邹卓, 郑立荣. 多尺度深度监督的高度近视萎缩病变分割方法[J]. 计算机工程与科学, 2021, 43(07): 1264-1272.
[8]	蒋芸, 高静, 王发林. SAG-Net：用于联合视盘和视杯分割的新型跳过注意力指导网络[J]. 计算机工程与科学, 2021, 43(07): 1273-1282.
[9]	张俊鹏, 刘辉, 李清荣. 基于FCN-LSTM的工业烟尘图像分割[J]. 计算机工程与科学, 2021, 43(05): 906-916.
[10]	陈爱莲, 丁正龙, 詹曙. 基于对抗学习和多尺度特征融合的前列腺MR图像分割[J]. 计算机工程与科学, 2021, 43(04): 697-703.
[11]	梁中岩, 戚红雨, 王伟良, 胡杰. 无人机载荷图像地理信息拼接及验证算法[J]. 计算机工程与科学, 2020, 42(12): 2208-2216.
[12]	张丽霞, 曾广平, 宣兆成. NSST域下SPCNN与SR结合的多源图像融合[J]. 计算机工程与科学, 2020, 42(11): 2042-2049.
[13]	朱倩倩, 车文刚, 苗晗. 数字化藏文古籍中多样性字体的实现方法研究[J]. 计算机工程与科学, 2020, 42(11): 2073-2079.
[14]	张贵仓, 苏金凤, 拓明秀. DTCWT域的红外与可见光图像融合算法[J]. 计算机工程与科学, 2020, 42(07): 1226-1233.
[15]	赵仁和，王军锋. 自适应尺度的局部强度聚类图像分割模型[J]. 计算机工程与科学, 2020, 42(06): 1043-1048.