錆びに覆われた古銅鏡において、鏡の縁と鏡心領域の厚さが均一でないため、単一エネルギーのX線では完全な文様および病害情報を検出できない問題に対して、本稿では直観的ファジィ集合エントロピー測度と顕著特徴検出に基づく古銅鏡X線画像融合手法を提案する。まず、高エネルギーX線画像の文様構造に対して有効なガイド付きフィルタリングを導入し、コントラストを強調する。次に、結合双方向フィルタと構造・テクスチャ分解戦略を用いて、異なるエネルギーのX線画像からエネルギーレイヤー、残差レイヤー、およびディテールレイヤーの情報を抽出するための3段階分解モデルを設計する。次に、エネルギーレイヤーは<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><msub><mrow><mi>l</mi></mrow><mrow><mn mathvariant="normal">1</mn></mrow></msub></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/44ECF1C3-242E-438a-8C5C-9C95F190D5F8-M001.jpg"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/44ECF1C3-242E-438a-8C5C-9C95F190D5F8-M001c.jpg"?></graphic></alternatives></inline-formula>-<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M2"><mi mathvariant="normal">m</mi><mi mathvariant="normal">a</mi><mi mathvariant="normal">x</mi></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/44ECF1C3-242E-438a-8C5C-9C95F190D5F8-M002.jpg"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/44ECF1C3-242E-438a-8C5C-9C95F190D5F8-M002c.jpg"?></graphic></alternatives></inline-formula>規則により融合されたエネルギー画像が得られ、残差レイヤーは直観的ファジィ集合エントロピー測度により小スケールのテクスチャ特徴融合モジュールを構築し、ディテールレイヤーは拡張差分ガウスと空間周波数強調演算子を組み合わせて複合的な顕著特徴検出戦略を構築する。最後に、エネルギー融合画像、残差融合画像およびディテール融合画像を加算して最終融合結果を得る。実験結果は、本手法の6つの客観的評価指標AG、SF、SD、SCD、<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M3"><msup><mrow><mi>N</mi></mrow><mrow><mi mathvariant="normal">A</mi><mi mathvariant="normal">B</mi><mo>/</mo><mi mathvariant="normal">F</mi></mrow></msup></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/44ECF1C3-242E-438a-8C5C-9C95F190D5F8-M003.jpg"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/44ECF1C3-242E-438a-8C5C-9C95F190D5F8-M003c.jpg"?></graphic></alternatives></inline-formula>及びSSIMが、比較手法に比べて平均それぞれ23.59%、22.99%、16.12%、42.55%、17.07%、20.54%向上し、融合結果は古銅鏡の鮮明な文様の細部や病害裂け目の重要な特徴を効果的に保持し、コントラストや構造の保持といった点で他の比較手法より優れていることを示した。

画像融合;エッジ保持フィルタリング;三尺度分解;テクスチャ抽出;直観的ファジィ集合エントロピー測度;顕著特徴検出