基于热辐射信息保留的图像融合算法

钱震龙, 陈波

钱震龙, 陈波. 基于热辐射信息保留的图像融合算法[J]. 红外技术, 2021, 43(9): 861-868.
引用本文: 钱震龙, 陈波. 基于热辐射信息保留的图像融合算法[J]. 红外技术, 2021, 43(9): 861-868.
QIAN Zhenlong, CHEN Bo. Image Fusion Algorithm Based on Thermal Radiation Information Retention[J]. Infrared Technology , 2021, 43(9): 861-868.
Citation: QIAN Zhenlong, CHEN Bo. Image Fusion Algorithm Based on Thermal Radiation Information Retention[J]. Infrared Technology , 2021, 43(9): 861-868.

基于热辐射信息保留的图像融合算法

详细信息
    作者简介:

    钱震龙(1994-), 男, 四川蓬溪人, 硕士研究生, 主要研究方向为嵌入式技术、红外图像处理。E-mail: 3143078364@qq.com

  • 中图分类号: TN911.73

Image Fusion Algorithm Based on Thermal Radiation Information Retention

  • 摘要: 针对现有的红外与可见光图像融合算法无法很好地保留红外图像热辐射信息这一问题,提出了一种基于热辐射信息保留的图像融合算法。通过NSCT(non-subsampled contourlet transform)变换对红外与可见光图像进行多尺度分解,得到各自的高频子带和低频子带,可见光低频子带部分经拉普拉斯算子提取特征后与红外低频子带部分叠加得到融合图像的低频系数,高频部分使用基于点锐度和细节增强的融合规则进行融合以得到高频系数,最后通过逆NSCT变换重构得到融合图像。实验表明,相较于其它图像融合算法,所提算法能在保留红外图像热辐射信息的同时,保有较好的清晰细节表现能力,并在多项客观评价指标上优于其它算法,具有更好的视觉效果,且在伪彩色变换后有良好的视觉体验,验证了所提算法的有效性和可行性。
    Abstract: Focusing on the issue that existing algorithms of infrared and visible image fusion cannot retain thermal radiation information from infrared images, an image fusion algorithm based on thermal radiation information retention was proposed. Multi-scale decomposition of infrared and visible light images was performed through NSCT transformation to obtain the respective high-frequency sub-bands and low-frequency sub-bands. The low-frequency sub-bands of visible light were extracted by the Laplacian and superimposed with the infrared low-frequency sub-bands to obtain low-frequency sub-bands of the fused image. The fusion rule, which is based on point sharpness, and detail enhancement were used to obtain the high-frequency coefficients of the high-frequency part; the fused image was then reconstructed through inverse NSCT transformation. The experimental results indicate that compared with other image fusion algorithms, the proposed algorithm can retain the thermal radiation information of infrared images, while maintaining good performance with clear details, and is superior to other algorithms in several objective evaluation indices. The proposed algorithm has better visual effects and a good visual experience after pseudo-color transformation, which verifies the effectiveness and feasibility of the proposed algorithm.
  • 红外探测器一般分为两种:一种是在低温致冷系统协助下才能够正常工作的,它成本高、功耗大、寿命短;另一种是非制冷热红外探测器,它在成本、功耗、寿命、谱宽波段等方面更具有优势[1-2]。非制冷红外成像使用的核心部件是微测辐射热计,微测辐射热计的性能是由热敏材料的电阻温度系数等因素决定的。制备在室温附近具有高电阻温度系数即TCR(temperature coefficient of resistance),低方块电阻,并且没有相变弛豫的热敏薄膜是非制冷红外成像技术关键所在。目前有关这类热敏薄膜材料的研究报道有很多,VO2薄膜就是最常见的一种。

    VO2薄膜是一种具有相变特性的功能薄膜,未掺杂的VO2薄膜在64℃具有从低温单斜相向高温四方相发生相变的行为[3]。这种奇特的相变行为很快引起了国内外众多科研人员的关注。从20世纪80年代开始到现在,有关VO2薄膜制备的报道有很多[4-11],其主要思路是将V2O5还原降价得到VO2。Wu J.[12]等人采用有机溶胶-凝胶法,将原料为摩尔比1:80:8的V2O5、C4H10O和C7H8O的混合溶液配制成溶胶,在云母片上旋涂后,再经过540℃的高温退火,制备出二氧化钒薄膜。易静[13]等利用水热法,将研磨好的V2O5和无水亚硫酸钠粉末,混合后放入烧杯内,加入蒸馏水、调节pH值和升温速率进行反应。24 h后,再将充分反应后的样品溶解于氢氧化钠溶液,进行过滤、洗涤烘干,最终制备出纯度为85.4%二氧化钒薄膜。唐振方[14]等利用射频磁控溅射设备对V2O5陶瓷烧结靶材进行溅射沉积镀膜,再经氩气气氛退火处理得到纯度94%的VO2薄膜。李金华[15]等采用离子束增强沉积的方法,将纯度为99.7%的V2O5粉末压成溅射靶。在使用氩离子束溅射沉积薄膜的同时,用氩氢混合束对沉积膜作高剂量离子注入,使沉积膜中V2O5的V-O键断裂,利用氢的还原性将+5价的钒还原为+4价,退火后获得室温热电阻温度系数约4%的VO2薄膜。由于未掺杂的VO2薄膜的相变温度高于室温,且存在相变驰豫,不能直接用作室温热敏薄膜。通过掺杂其他元素改变VO2的相变温度和相变驰豫温度的报道也有很多[16-17]。付学成[18]等将Ta2O5与V2O5粉末均匀混合压制成溅射靶,用离子束增强沉积的方法,在二氧化硅衬底上制备出掺Ta原子比为3%的二氧化钒薄膜,测得相变温度约48℃,相变驰豫温度约为1.5℃。谭源[19]等利用氮氧混合气体对钨钒金属靶进行共溅射的方法制备金属氧化物薄膜,并在常压下进行退火处理,结果表明掺钨原子比为1.4%的VO2薄膜的相变温度下降到31℃,相变驰豫温度约为2.5℃。关于能否利用具有还原性金属单质和V2O5进行共溅射,将V2O5还原制备出VO2的同时,实现掺杂改变相变温度和相变驰豫温度,国内外相关文献鲜有报道。

    我们尝试在真空度高于1×10-4 Pa的条件下,通入高纯氩气,用共溅射的方法,对高纯金属镁靶和V2O5陶瓷靶进行溅射。利用Mg的还原性将+5价的钒降低为+4价制备VO2薄膜。通过调节加在两个靶材的功率,来调节薄膜中Mg和V的原子比。研究发现,当Mg和V的原子比为7:93时,XRD(X-ray diffraction)测试结果显示制备的薄膜晶粒主要成分是VO2,XPS(X-ray photoelectron spectroscopy)测试结果表明薄膜中的V以+4,+5价混合存在。当Mg和V的原子比为1:2时,XRD测试结果显示制备的薄膜晶粒主要成分变成了MgV2O5,同时XPS测试结果表明薄膜中的V仅以+4价存在。扫描电子显微镜照片显示,MgV2O5薄膜结晶状况良好。用霍尔效应仪测试MgV2O5薄膜电阻随温度的变化,结果显示:在20℃附近也有相变行为,电阻温度系数高达-8.6%/K,回线弛豫温度仅有0.3℃。我们分析了MgV2O5薄膜的特殊结构,并用相关的相变理论解释了薄膜在室温附近具有高TCR,较小的弛豫温度的原因。

    实验采用美国丹顿真空explore-14多靶磁控溅射沉积系统制备薄膜,如图 1所示。

    图  1  丹顿explore-14磁控溅射沉积系统示意图
    Figure  1.  Schematic diagram of dent on vacuum sputter deposition system

    五氧化钒靶安装在射频靶枪,高纯镁靶在直流靶枪。靶材中心距离基片台中心距离约15 cm,靶与基片台倾斜夹角约45°。溅射气源采用纯度为99.999%氩气,设备的极限真空为2×10-5 Pa。基片台为水冷控温,温度为22℃,旋转速度0~12转/min,转速可调。

    衬底选用清洗干净的3 in P型(100)单面抛光的单晶硅片,薄膜厚度测试选用KLA-TencorP7台阶仪,电阻温度系数测试选用MMR霍尔效应仪,薄膜成分检测选用德国Bruker公司ADVANCE Da Vinci多功能X射线衍射仪,元素化合价测试选用日本岛津-Kratos公司AXIS UltraDLDX射线光电子能谱仪,图像分析采用德国Zeiss Ultra Plus场发射扫描电子显微镜。

    在本底真空度优于1×10-4 Pa的条件下,通入高纯氩气,设定工作气压为0.6 Pa,基片台转速设定为6转/min。预溅射功率为200 W,先将靶材分别预溅射5 min。再设定五氧化钒靶和高纯镁靶上的功率比值分别为300 W: 20 W,300 W: 30 W,300 W: 40 W,沉积时间为30 min,在3 in硅衬底上分3次制备薄膜。

    在共溅射的过程中保持五氧化钒靶的功率为300 W,将高纯镁靶上的功率由20 W增加到30 W、40 W。3次制备的薄膜厚度也有区别,台阶仪测试的结果表明:随着高纯镁靶上的功率由20 W,增加到30 W、40 W,沉积的薄膜厚度由355 nm增加到425 nm、578 nm。用EDS检测不同工艺条件制备薄膜中Mg和V的原子比,结果表明:镁靶上的功率为20 W时,沉积的薄膜中Mg和V的原子比为7:93,镁靶上的功率为30 W时,沉积的薄膜中Mg和V的原子比为17:83。当镁靶上的功率增加到40 W时,沉积的薄膜中Mg和V的原子比迅速增加到为1:2。

    利用XRD检测不同工艺条件制备薄膜的物相,测试角度范围为15~75°,步幅大小为0.02°,测试结果如图 2显示,其中2θ为衍射角。Mg靶的溅射功率为20 W时,共溅射制备的薄膜3条谱峰分别对应于VO2(PDF#73-0514)的(211)、(151)、(024)晶向,没有发现V2O5和MgO晶粒的存在。同时利用XPS检测所制备薄膜中V和Mg化合价情况。测试结果采用高斯曲线进行拟合显示,薄膜中的V元素以+4和+5价共同存在,如图 3。Mg2p峰的窄程扫描图谱中显示:Mg2+结合能为50.75 eV。

    图  2  共溅射制备的钒的氧化物XRD图谱
    Figure  2.  XRD patterns of vanadium oxides prepared by Co-sputtering
    图  3  钒的氧化物薄膜中V2p的窄程扫描图谱
    Figure  3.  XPS spectra of V2p of vanadium oxide film

    Mg靶的功率增加到30 W和V2O5共溅射制备的薄膜,XRD测试结果如图 2显示。共溅射沉积的薄膜晶粒主要成分仍然是(211)和(151)晶向的VO2。根据标准卡片PDF#89-4728分析,(116)晶向的MgV2O5晶粒开始出现。当Mg靶的溅射功率增加到40 W时,在共溅射制备的薄膜中,VO2消失,(116)晶向的MgV2O5和(111)、(200)、(220)晶向的MgO(PDF#89-7746)为主要成分,结晶状况如图 4(a), 图 4(b)

    图  4  MgV2O5薄膜的SEM图像
    Figure  4.  SEM images of MgV2O5 thin films

    V2p、Mg1S的窄程扫描图谱结果显示,如图 5(a), 图 5(b)。V4+的结合能为516.24 eV,半高宽约3.08 eV,Mg2+的结合能为50.75 eV,Mg1S的结合能为1303.74 eV半高宽约1.92 eV。XPS测试结果显示V、Mg两种元素在薄膜中的原子比例约为2:1。

    图  5  共溅射制备的薄膜中V2p、Mg1S的窄程扫描图谱
    Figure  5.  XPS spectrum of V2p、Mg1S of the film prepared by co-sputtering

    为对比研究镁还原V2O5靶材制备的MgV2O5薄膜和V2O5薄膜电学性能不同。用银浆做好电极后,对利用共溅射法制备的MgV2O5薄膜和未被还原的V2O5薄膜进行电学性能对比测试,如图 6

    图  6  MgV2O5和V2O5薄膜的电阻温度曲线
    Figure  6.  Resistance-temperature curves of MgV2O5 and V2O5

    随着高纯镁靶上的功率由20 W,增加到30 W、40 W,沉积的薄膜厚度由355 nm增加到425 nm、578 nm。用EDS检测不同工艺条件制备薄膜中Mg和V的原子比,结果显示:当镁靶上的功率为20 W时,沉积的薄膜中Mg和V的原子比为7:93,当镁靶上的功率增加到40 W时,沉积的薄膜中Mg和V的原子比迅速增加到为1:2。这可能是由于在溅射金属镁时采用的功率过低,加在阴极上的电压也很低,只有小部分氩离子的能量大于镁的溅射阈值,造成镁的溅射产额比较低。当功率略有增加时,阴极上的电压升高,大部分氩离子的能量大于镁的溅射阈值,镁的溅射产额快速增加,引起薄膜的组分发生了变化,导致薄膜厚度也大幅度增加。

    当Mg靶的溅射功率为20 W时,共溅射制备的薄膜中Mg2+结合能为50.75 eV。+2价的镁离子存在证明了镁原子可以将+5价的钒还原为+4价。V2p峰的窄程扫描图谱中V4+的结合能为516.26 eV,半高宽约0.81 eV;V5+的结合能为517.62 eV,半高宽约1.75 eV。通过高斯曲线对拟合过的V4+、V5+峰面积进行计算,可知在薄膜中V4+所占的比例约为14%,这和7%的Mg原子理论上可以将14%的V5+还原成V4+的结果非常吻合。

    虽然XPS检测结果显示制备薄膜中有+5价V的存在,但XRD测试的结果中没有发现V2O5的存在。这可能是因为沉积的薄膜没有经过退火处理,V2O5以非晶状态存在造成的。根据Scherrer公式DKλ/(βcosθ),可以计算出VO2晶粒尺寸约5 nm。由于VO2晶粒比较小,且在薄膜中占有的比例低,SEM图像中很难发现它的存在。

    当Mg靶的溅射功率增加到40 W时,XPS测试结果显示:V、Mg两种元素在薄膜中的原子比例为1:2。这与XRD测试得出的薄膜的主要成分是MgV2O5这一结果非常吻合。

    图 6可以看出,未被还原的V2O5薄膜285~345 K的温度范围内电阻随温度的变化近似一条直线,无相变行为,升降温曲线是重合在一起的。由TCR计算公式${C_{T, R}} = \frac{1}{R} \times \frac{{\Delta R}}{{\Delta T}} $,R为293 K时薄膜电阻,可以计算得出,未被还原的V2O5薄膜在室温20℃时,TCR约为-1.4%/K。MgV2O5薄膜在285~345 K的温度范围内电阻由90 kΩ下降到1.4 kΩ,减少了约98%,在室温20℃附近显示出明显的相变行为,此温度下的TCR约为-8.6%/K,同时升降温回线的弛豫温度仅为0.3℃,这一结果比未掺杂VO2薄膜的弛豫温度3~5℃[20],低很多。

    目前有关MgV2O5材料性质报道的论文极少,对于薄膜在室温附近具有相变行为且弛豫温度仅为0.3℃这一现象,可能是因为MgV2O5属于钒酸盐梯状化合物,其结构特点是典型的梯形结构,一个梯内的相互作用要比相邻梯间的相互作用大很多[21]。当薄膜温度从310~290 K进行变换时,沿c轴方向形成长和短的两种V-V键,从而使c参数有双重值,这种变化会在V3d导带费米能级上产生一个极小的能隙[22],这类相变属于一级相变,是造成MgV2O5薄膜在285~310 K的附近温度电阻曲线不重合的主要原因。

    据文献[23]报道MgV2O5常温下是一种磁性材料。当薄膜吸收或释放热量发生相变时,不但吉布斯自由能和化学势能都相等,即G1G2μ1μ2,化学势的一级偏微商也相等,只是化学势二级偏微商不相等。MgV2O5在室温附近发生一级相变的同时,可能伴随着二级相变,这类相变会影响材料的磁性,对材料的体积,焓无影响。由于二级相变的存在,弛豫温度要比未掺杂VO2薄膜的弛豫温度小很多。

    另外,由负温度电阻系数热敏电阻器公式:

    $$ {R_{25}} = {R_T}\exp {B_{\rm{n}}}\left( {\frac{1}{{298}} - \frac{1}{T}} \right) $$

    式中:R25为材料25℃的电阻值;RT为温度T时的实际电阻值;Bn为负电阻温度系数热敏电阻器材料物理特性的一个常数。由公式可以计算出,在温度为20℃时,材料常数Bn约为6700。这从另外一个方面说明了该材料在室温附近的绝对灵敏度非常高。

    采用高纯金属镁靶和五氧化钒靶进行共溅射,利用镁原子的还原性,可以将+5价的钒降低为+4价,制备+4价钒的氧化物薄膜。当Mg和V的原子比为1:2时,共溅射制备的薄膜主要成分是MgV2O5。电学性能测试结果显示,MgV2O5薄膜在20℃附近有相变行为,电阻温度系数高达-8.6%/K,回线弛豫温度仅为0.3℃。这可能是由于MgV2O5特殊的梯形结构和磁性特性,在20℃发生二级相变的同时,伴随微弱的一级相变造成的。这为制备在室温条件下,高TCR、低相变弛豫温度的红外薄膜材料提供帮助。

  • 图  1   NSCT变换示意图

    Figure  1.   NSCT transformation diagram

    图  2   整体融合框架

    Figure  2.   Integrated framework

    图  3   Kaptein_1123的融合结果

    Figure  3.   Fusion results of Kaptein_1123

    图  4   Kamtein_1654的融合结果

    Figure  4.   Fusion results of Kamtein_1654

    图  5   Meting003的融合结果

    Figure  5.   Fusion results of Meting003

    图  6   Maninhuis的融合结果

    Figure  6.   Fusion results of Maninhuis

    图  7   伪彩色效果图A

    Figure  7.   Pseudo-color rendering A

    图  8   伪彩色效果图B

    Figure  8.   Pseudo-color rendering B

    表  1   图 3各算法评价指标

    Table  1   Fig. 3 Evaluation indexes of each algorithm

    Method AG EN SF SSIM MI VIF
    DWT 4.9666 6.6713 9.0816 0.7567 19.8462 0.5406
    LP 5.2522 6.8009 9.8522 0.7454 16.4003 0.5501
    NSCT 4.9564 7.3060 9.2742 0.6267 22.9055 0.5282
    NSCT-PCNN 4.6766 7.2198 8.8717 0.6945 2.2669 0.7031
    Proposed method 6.4685 7.0244 11.6793 0.8661 77.5039 0.7098
    下载: 导出CSV

    表  2   图 4各算法评价指标

    Table  2   Fig. 4 Evaluation indexes of each algorithm

    Method AG EN SF SSIM MI VIF
    DWT 5.8641 6.4416 11.1577 0.5967 7.4241 0.2729
    LP 6.2391 6.6517 12.0277 0.5715 7.7505 0.3038
    NSCT 6.0105 7.2517 11.6053 0.4455 10.4365 0.2970
    NSCT-PCNN 5.3421 7.3359 10.6143 0.5201 7.1469 0.4708
    Proposed method 7.3643 6.6584 13.7557 0.6811 22.8122 0.3906
    下载: 导出CSV

    表  3   平均评价指标

    Table  3   Average evaluation indexes

    Method AG EN SF SSIM MI VIF
    DWT 6.1136 7.0445 11.9406 0.6936 9.1349 0.2918
    LP 6.4499 7.3049 12.6930 0.6892 8.9399 0.3481
    NSCT 6.1955 7.7048 12.1721 0.5986 10.3829 0.3176
    NSCT-PCNN 5.5698 7.8429 11.3441 0.7352 8.5166 0.5246
    Proposed method 7.6364 7.3516 14.6092 0.7520 24.9254 0.4028
    下载: 导出CSV
  • [1] 谢春宇, 徐建, 李新德, 等. 基于深度学习的红外与可见光图像融合方法[J]. 指挥信息系统与技术, 2020, 11(2): 15-20, 38. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHXT202002003.htm

    XIE Chunyu, XU Jian, LI Xinde, et al. Infrared and visible image fusion method based on deep learning[J]. Command Information System and Technology, 2020, 11(2): 15-20, 38. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHXT202002003.htm

    [2]

    Rajiv S, Ashish K. Multiscale Medical image fusion in wavelet domain[J]. The Scientific World Journal, 2013, 2013: 521034. http://www.scienceopen.com/document_file/6e3eb747-a10e-42b1-8a95-0a0060e9b4b5/PubMedCentral/6e3eb747-a10e-42b1-8a95-0a0060e9b4b5.pdf

    [3]

    Padma Ganasala, Achanta Durga Prasad. Medical image fusion based on laws of texture energy measures in stationary wavelet transform domain[J]. International Journal of Imaging Systems and Technology, 2020, 30(3): 544-557. DOI: 10.1002/ima.22393

    [4]

    Do Minh N, Vetterli Martin. The contourlet transform: an efficient directional multiresolution image representation[J]. IEEE Transactions on Image Processing, 2005, 14(12): 1-16. DOI: 10.1109/TIP.2005.861050

    [5]

    Mertens T, Kaut Z J, Van Reeth F. Exposure fusion: a simple and practical alternative to high dynamic range photography[J]. Computer Graphics Forum, 2009, 28(1): 161-171. DOI: 10.1111/j.1467-8659.2008.01171.x

    [6]

    Da Cunha A L, Zhou J, Do M N. The nonsubsampled contourlet transform: theory, design, and applications[J]. IEEE Transactions on Image Processing, 2006, 15: 3089-3101. DOI: 10.1109/TIP.2006.877507

    [7]

    XING Xiaoxue, LIU Cheng, LUO Cong, et al. Infrared and visible image fusion based on nonlinear enhancement and NSST decomposition[J]. EURASIP Journal on Wireless Communications and Networking, 2020, 2020(1): 694-700. DOI: 10.1186/s13638-020-01774-6

    [8]

    WANG Z, LI X, DUAN H, et al. Multifocus image fusion using convolutional neural networks in the discrete wavelet transform domain[J]. Multimedia Tools and Applications, 2019, 78(24): 34483-34512. DOI: 10.1007/s11042-019-08070-6

    [9] 杨艳春, 王艳, 党建武, 等. 基于RGF和改进自适应Unit-Linking PCNN的红外与可见光图像融合[J]. 光电子·激光, 2020, 31(4): 401-410. https://www.cnki.com.cn/Article/CJFDTOTAL-GDZJ202004010.htm

    YANG Yanchun, WANG Yan, DANG Jianwu, et al. Infrared and visible image fusion based on RGF and improved adaptive Unit-Linking PCNN[J]. Journal of Optoelectronics·Laser, 2020, 31(4): 401-410. https://www.cnki.com.cn/Article/CJFDTOTAL-GDZJ202004010.htm

    [10] 林玉池, 周欣, 宋乐, 等. 基于NSCT变换的红外与可见光图像融合技术研究[J]. 传感器与微系统, 2008, 27(12): 45-47. DOI: 10.3969/j.issn.1000-9787.2008.12.015

    LIN Yuchi, ZHOU Xin, SONG Le, et al. Infrared and visible image fusion technology based on non subsampled contourlet transform[J]. Transducer and Microsystem Technologies, 2008, 27(12): 45-47. DOI: 10.3969/j.issn.1000-9787.2008.12.015

    [11] 程永翔, 刘坤, 贺钰博. 基于卷积神经网络与视觉显著性的图像融合[J]. 计算机应用与软件, 2020, 37(3): 225-230. DOI: 10.3969/j.issn.1000-386x.2020.03.038

    CHENG Yongxiang, LIU Kun, HE Yubo. Image fusion with convolutional neural network and visual saliency[J]. Computer Applications and Software, 2020, 37(3): 225-230. DOI: 10.3969/j.issn.1000-386x.2020.03.038

    [12] 巩稼民, 刘爱萍, 马豆豆, 等. 结合邻域特征与IDCSCM的红外与可见光图像融合[J]. 激光与红外, 2020, 50(7): 889-896. https://www.cnki.com.cn/Article/CJFDTOTAL-JGHW202007020.htm

    GONG Jiamin, LIU Aiping, MA Doudou, et al. Infrared and visible image fusion combining neighborhood features with IDCSCM[J]. Laser & Infrared, 2020, 50(7): 889-896. https://www.cnki.com.cn/Article/CJFDTOTAL-JGHW202007020.htm

    [13] 孙英慧, 蒲东兵. 基于拉普拉斯算子的边缘检测研究[J]. 长春师范学院学报: 人文社会科学版, 2009, 28(12): 4-6. https://www.cnki.com.cn/Article/CJFDTOTAL-CCSS200912002.htm

    SUN Yinghui, PU Dongbing. Edge Detection Research on Laplace Operator[J]. Journal of Changchun Normal University: Humanities and Social Sciences Edition, 2009, 28(12): 4-6. https://www.cnki.com.cn/Article/CJFDTOTAL-CCSS200912002.htm

    [14] 彭土有, 吴洁, 彭俊. 拉普拉斯边缘检测算法的改进及其在探地雷达中的应用[J]. 现代雷达, 2020, 42(8): 41-45. https://www.cnki.com.cn/Article/CJFDTOTAL-XDLD202008008.htm

    PENG Tuyou, WU Jie, PENG Jun. Improvement of Laplacian edge detection algorithm and its application on GPR[J]. Modern Radar, 2020, 42(8): 41-45. https://www.cnki.com.cn/Article/CJFDTOTAL-XDLD202008008.htm

    [15]

    Xydeas C S, Petrovi V. Objective image fusion performance measure[J]. Electronics Letters, 2000, 36(4): 308-309. DOI: 10.1049/el:20000267

  • 期刊类型引用(1)

    1. 付学成,徐锦滨,乌李瑛,付刘成,王英. 溅射工艺时间对不同靶材溅射速率的影响. 实验室研究与探索. 2024(09): 37-40 . 百度学术

    其他类型引用(0)

图(8)  /  表(3)
计量
  • 文章访问数:  195
  • HTML全文浏览量:  47
  • PDF下载量:  42
  • 被引次数: 1
出版历程
  • 收稿日期:  2020-10-20
  • 修回日期:  2020-12-24
  • 刊出日期:  2021-09-19

目录

/

返回文章
返回
x 关闭 永久关闭

尊敬的专家、作者、读者:

端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

感谢您对本刊的支持!

《红外技术》编辑部

2024年6月6日