녹으로 덮인 고대 청동거울의 가장자리와 중심 영역 두께가 균일하지 않아 단일 에너지 X선으로는 완전한 문양 및 결함 정보를 감지할 수 없는 문제를 해결하기 위해, 본 논문에서는 직관 퍼지 집합 엔트로피 측도와 주요 특징 검출 기반의 고대 청동거울 X선 영상 융합 방법을 제안한다. 먼저, 높은 에너지 X선 영상의 문양 구조에 대해 효과적인 가이드 필터링을 도입하여 대비를 향상시킨다. 다음으로, 결합된 양방향 필터와 구조-텍스처 분해 전략을 사용하여 세 가지 스케일 분해 모델을 설계하여 다양한 에너지 X선 영상의 에너지층, 잔류층 및 세부층 정보를 추출한다. 에너지층은 <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> 규칙에 따라 융합 에너지 영상을 얻고, 잔류층은 직관 퍼지 집합 엔트로피 측도를 이용해 소규모 텍스처 특징 융합 모듈을 구성하며, 세부층은 확장 차분 가우시안 및 공간 주파수 증강 연산자를 결합해 복합형 주요 특징 검출 전략을 구축한다. 마지막으로 에너지 융합 영상, 잔류 융합 영상 및 세부 융합 영상을 더해 최종 융합 결과를 얻는다. 실험 결과, 본 논문의 6가지 객관적 평가 지표인 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> 및 SSIM이 비교 방법 대비 각각 평균 23.59%, 22.99%, 16.12%, 42.55%, 17.07%, 20.54% 향상되었으며, 융합 결과는 고대 청동거울의 선명한 문양 세부사항과 결함 균열의 핵심 특징을 효과적으로 보존하며 대조도와 구조 유지 등에서 다른 비교 방법보다 우수함을 보였다.

영상 융합; 에지 보존 필터링; 3스케일 분해; 텍스처 추출; 직관 퍼지 집합 엔트로피 측도; 주요 특징 검출