技术总结
本发明公开了一种融合可见光图像与对应夜视红外图像的检测方法，属于机器视觉领域，本发明的具体步骤为：对可见光图像，运用深度学习网络和增量编码长度的方法，得到可见光图像的显著性图像；对夜视红外图像，运用GBVS模型和基于超复数频域的谱尺度空间的方法，得到夜视红外图像的显著性图像；将两者融合，得到最终的显著性图像。本发明融合时域与频域，考虑到能量辐射差异也是影响显著性的因素，因此对夜视红外图像进行了处理，利用增量编码长度的方法，提取可见光图像的显著性区域，本发明不仅限于提取低层次的特征，还通过深度学习网络，提取高层次的语意特征；因此本发明所得的显著性区域的提取效果更为全面，更为准确。
技术研发人员：蔡英凤;戴磊;王爽;王海;孙晓强;陈龙;江浩斌;陈小波;徐兴
受保护的技术使用者：江苏大学
文档号码：201610629141
技术研发日：2016.08.03
技术公布日：2016.12.21