《表1 不同融合方法的图像融合性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于判别字典学习与形态成分分解的多源图像融合》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

不同方法所获得的融合图像如图5（c）～（h）所示。由这些图像可以看出，所有对比方法均能有效保留源图像的热目标以及背景信息。但从局部放大区域可以看出，不同方法表现出了不同的融合性能。基于NSCT的简单融合和基于NSCT-SR的融合保存细节的能力有限，而Kim’s融合方法、Zhu-KS-VD方法以及ASR融合方法虽然能有效保留可见光图像中的背景信息，但丢失图像亮度信息，融合结果的对比度较低，效果不如本文方法。从整体上讲，本文提出的方法不仅能有效保留可见光图像中的背景信息，而且能有效保留红外图像中的目标物，同时又能保持源图像的对比度，因而具有更好的视觉效果。从表1给出的数据中可以看出，本文所采用的客观评价指标能与视觉效果评价得出一致的结论。