改进非下采样轮廓波：图像融合算法提升目标与场景清晰度

本文主要探讨了一种创新的图像融合算法，名为"基于改进非下采样轮廓波的图像融合方法"，发表于2012年12月的《农业机械学报》第43卷第12期。作者冯鑫、王晓明、党建武和沈瑜，分别来自兰州理工大学电气工程与信息工程学院和兰州交通大学电子与信息工程学院，他们针对红外光和可见光传感器在同时获取清晰目标和场景时遇到的困难提出了解决方案。 该研究利用非下采样Contourlet变换技术，这是一种多尺度和多方向的图像分析工具，可以有效地分解可见光和红外图像，提取出不同的频率成分。非下采样Contourlet变换的优势在于它能够保留更多的高频细节信息，这对于图像融合至关重要，因为不同波段的图像可能在某些特征上互补。 算法的核心步骤包括：首先，对可见光和红外图像进行非下采样Contourlet变换，得到各自的系数；其次，对于低频系数，采用加权平均的方法直接融合，这有助于保持图像的整体结构一致性；对于带通方向子带系数，采用了伪随机傅里叶矩阵进行观测，随后对观测值进行加权融合，这样可以增强目标区域的对比度；接着，对融合后的子带观测值进行系数重构，以确保融合过程的精确性；最后，通过非下采样Contourlet逆变换将处理后的系数恢复成融合图像。 算法的关键特性是其压缩感知技术的应用，这允许在有限的测量数据下恢复图像，降低了计算复杂度。此外，通过这种方式，融合后的图像既包含了红外光的热像特性，又具有可见光的色彩信息，从而实现目标和场景的清晰呈现，提高了图像质量。 该研究的关键词包括红外光、可见光、非下采样轮廓波、压缩感知以及融合图像。文章被分类为TP391，文献标识码为A，文章编号为1000-1298(2012)12-0192-05，表明这是一篇高质量的研究论文，值得深入研究和应用。这项工作提供了一个有效的图像融合策略，对于提高多波段图像处理和分析能力具有实际意义。