基于NSCT的红外偏振与光强图像融合新算法

"特征差异驱动的红外偏振与光强图像融合" 本文主要探讨了一种新的红外偏振与光强图像融合方法，该方法基于非下采样轮廓波变换（NSCT）。在传统的红外偏振融合算法中，由于依赖单一的差异特征，可能会导致对图像中的不确定和随机变化特征信息描述不足，从而影响融合效果。为了解决这个问题，作者在深入理解源图像差异特征形成机理的基础上，提出了一种特征差异驱动的融合策略。 首先，非下采样轮廓波变换（NSCT）被引入作为图像分解工具，因为NSCT能够更好地捕捉图像的多尺度和多方向信息，特别适合于处理具有复杂结构和边缘的图像。通过NSCT变换，红外偏振图像和光强图像被分解成多个亚带，这些亚带包含了图像的局部能量和局部方差信息。 然后，利用NSCT系数的差异特征，对源图像进行分析和融合。这种方法考虑了不同亚带之间的互补性和细节信息，增强了融合图像的质量。与支持值变换（SVT）、小波包变换（WPT）和NSCT局部能量与局部方差（NSCTLELV）等传统融合方法相比，该算法在融合过程中更能有效地保留和结合两种类型图像的特征。 实验结果表明，提出的特征差异驱动融合算法在融合效果上具有显著优势，它能更有效地融合红外偏振图像的纹理和结构信息以及光强图像的亮度和对比度信息，这对于目标识别等实际应用具有重要的价值。这种改进的融合技术可以提高目标检测的准确性和鲁棒性，特别是在低光照或复杂背景条件下，对于红外成像系统来说，这一点尤其重要。 本文提出的方法为红外偏振图像与光强图像的融合提供了一个新的视角，通过利用差异特征，增强了融合图像的信息含量和视觉效果，进一步提升了图像处理领域的技术水平。该研究成果对于军事侦察、监控、遥感等领域具有潜在的应用前景，有助于推动红外成像技术的发展。