多源数据融合的低分辨率无人机图像增强处理

发布时间：2025-07-19 02:21

　　 面向海量多源数据的无人机图像存在的对比度差、分辨率低问题,研究多源数据融合的低分辨率无人机图像增强处理。通过自动选取特征点与几何纠正两部分获取多源无人机图像特征点匹配结果实现多源图像预处理,基于压缩感知理论利用多源无人机图像特征点匹配结果实现多源图像融合,将融合后图像利用距离加权方法实现图像局部增强,重复局部图像增强方法直至图像全部区域处理完成,实现低分辨率无人机图像增强处理。仿真测试结果表明,该方法可有效融合以及增强处理多源数据的低分辨率无人机图像,增强处理后图像峰值信噪比以及边缘保持指数高,提升图像对比度和分辨率。

【文章页数】：5 页

【部分图文】：

图1 无人机采集原始图像

采用本文方法融合两幅原始图像获取图像结果如图2所示。通过图2融合结果可以看出,采用本文方法融合红外图像以及可见光图像细节匹配程度较高,本文方法将可见光图像以及红外图像细节准确匹配,具有较高融合可靠性。由于原始红外图像以及原始可见光图像分辨率较低,采用本文方法融合后图像细节较为模糊....

图2 融合结果

图1无人机采集原始图像采用本文方法增强处理图2融合图像获取最终图像如图3所示。通过图3增强处理结果可以看出,采用本文方法处理图像后图像增强效果明显,所获取图像轮廓鲜明,细节清晰,对比度提升明显。通过以上主观评价结果有效验证本文方法具有较高的图像增强有效性。

图3 增强处理结果

采用本文方法增强处理图2融合图像获取最终图像如图3所示。通过图3增强处理结果可以看出,采用本文方法处理图像后图像增强效果明显,所获取图像轮廓鲜明,细节清晰,对比度提升明显。通过以上主观评价结果有效验证本文方法具有较高的图像增强有效性。2.2客观评价结果

图4 峰值信噪比对比结果

统计采用本文方法对多源图像融合后8幅图像增强处理的峰值信噪比,并将本文方法与Retinex图像增强方法以及光鲁棒估计方法对比,对比结果如图4所示。通过图4对比结果可以看出,采用本文方程增强处理8幅融合后图像的峰值信噪比明显高于Retinex图像增强方法以及光鲁棒估计方法,对比结果....

本文编号：4057830