红外与可见光图像融合：非下采样Contourlet与联合稀疏表示新方法

"基于非下采样Contourlet变换和联合稀疏表示的红外可见图像融合方法" 本文提出了一种新型的红外与可见光图像融合技术，旨在解决传统非下采样Contourlet变换（NSCT）方法在处理低频信息时的不足，通过结合联合稀疏表示（JSR）来提升图像融合的效果。传统的NSCT方法在图像融合过程中，低频子带系数无法充分表达图像的低频信息，这对特征提取造成了障碍。为了解决这个问题，新方法采用JSR来处理图像的低频部分，增强了低频子带的能量集中度，从而提高了其稀疏性。 非下采样Contourlet变换（NSCT）是一种多分辨率分析工具，它在保持图像的多方向特性的同时，避免了下采样带来的信息损失。NSCT在图像处理领域，特别是图像融合中，被广泛用于捕捉图像的高频细节和结构信息。然而，NSCT在处理低频信息时，由于系数的非稀疏性，可能无法有效提取关键特征。 联合稀疏表示（JSR）是图像处理中的一个强大工具，它允许多个信号共享一组共同的原子，以更稀疏的形式表示各自的信息。在本文提出的融合方法中，JSR被应用到低频信息，使得低频子带更加稀疏，这有助于更好地保留和突出图像的基本结构和主要内容。 对于图像的高频部分，论文采用了特征积作为融合规则。特征积能够有效地融合源图像的细节特征，如边缘、纹理等，这些通常是红外图像和可见光图像中区分目标与背景的关键元素。通过这种方式，新方法能够同时增强红外图像的目标信息和可见光图像的细节信息。 实验结果显示，该方法相对于基于多尺度变换的离散小波变换（DWT）、基于NSCT的传统融合方法，以及基于稀疏表示的单一稀疏恢复（SR）和JSR算法，具有显著的融合优势。它能够更有效地保留并整合红外图像的热辐射特性与可见光图像的视觉信息，提供更清晰、更丰富的融合图像。 这种基于NSCT和JSR的融合方法为红外与可见光图像融合提供了新的思路，提升了图像的融合质量和信息保留能力，对于目标检测、识别等应用具有重要的价值。这种方法不仅改进了传统NSCT的局限，还利用了JSR的优势，使得在复杂场景下的图像融合性能得到显著提升。