剪切波与邻域特征提升的红外可见光图像融合算法

本文主要探讨了一种创新的图像融合技术，即"基于剪切波变换和邻域结构特征的红外与可见光图像融合"。该研究针对传统融合方法存在的问题，如融合后目标轮廓模糊和细节丢失，提出了一种在剪切波变换理论的指导下进行的融合策略。剪切波变换被用来分解源图像，将其分解为与原始尺寸相同的高频和低频子带系数，这有助于区分图像的不同频谱特性。 在融合过程中，对于低频子带，作者采用了几何距离和能量距离的双重加权融合规则，这有助于保持图像的边缘清晰度，减少融合后的失真。对于高频子带，利用灰度差异和梯度距离的权重融合规则，能够更有效地保留源图像的细节信息，增强图像的纹理特征。这种处理方式旨在强调目标信息，同时保持可见光图像的鲜明色彩和红外图像的热像特性。 通过剪切波逆变换，融合后的图像得以重构，结果表明，该算法成功地整合了红外和可见光图像的信息，提升了图像的整体质量。它不仅能够清晰地显示目标轮廓，还能凸显出目标细节，从而显著改善了图像融合的效果。这项工作的重要价值在于其在军事、安全监控等领域中的潜在应用，尤其是在夜间或低光照条件下的目标识别和环境分析。 此外，该研究得到了国家自然科学基金的支持，显示出其在学术界和工业界的重视。文章的作者团队由丁文杉博士研究生和毕笃彦教授等专家组成，他们分别在图像融合和图像处理领域有着深厚的学术背景和实践经验。他们的研究成果不仅推动了图像处理技术的发展，也为实际应用场景提供了有力的技术支持。