基于NSCT与IHS的灰度可见光与红外图像自适应融合方法

本文介绍了一种基于非采样轮廓let变换（Non-Subsampled Contourlet Transform, NSCT）和亮度-色度-饱和度变换（Intensity-Hue-Saturation Transform, IHS）的自适应图像融合算法，主要应用于灰度可见光和红外图像的融合。该方法首先将灰度可见光图像通过参考图像进行色彩化，利用IHS变换分离出图像的亮度（I）和色度信息（H、S）。接着，对红外图像进行多尺度和多方向的NSCT分解，同时对灰度可见光图像的亮度组件I也进行类似处理。 NSCT是一种高效的图像分析工具，它提供了多分辨率和方向的局部特性表示，能够捕捉图像的复杂纹理细节。通过这种变换，低频成分反映了图像的全局结构，而高频成分则包含更多的边缘和细节信息。在融合过程中，作者提出了一套融合规则，这些规则考虑了两个图像在不同尺度和方向上的特征匹配度以及区域差异。 具体步骤可能包括计算两个图像在对应尺度和方向上的能量匹配度，这可以通过比较它们在NSCT系数域的相似性来实现。然后，可能会根据这些匹配度调整低频和高频成分的权重，以平衡可见光和红外图像的融合结果，确保融合后的图像既保留了可见光图像的视觉细节，又包含了红外图像的热信息。 区域偏差则可能涉及对图像局部特征的处理，通过评估每个区域内的变化程度，确保融合过程更加适应图像的局部特性，避免过度平滑或失真。这种方法的优势在于其自适应性和灵活性，可以根据实际场景的不同需求，动态地调整融合策略，从而获得更高质量的融合图像。 最后，该研究成果发表于《信号处理》杂志（IET Signal Processing），并经过了多次修订，强调了其在实际应用中的有效性。研究者们来自中国空军工程大学导弹学院计算机工程系，他们的联系方式提供给读者以便进一步交流和咨询。 这项工作提出了一种结合NSCT和IHS的图像融合技术，通过智能匹配和自适应融合策略，为灰度可见光和红外图像的融合提供了一个有效且精确的方法，对于提高图像处理的性能和可视化效果具有重要意义。