NSCT与模糊逻辑结合的红外偏振图像融合方法

"这篇论文探讨了基于局部能量与模糊逻辑的红外偏振图像融合方法，旨在结合红外偏振图像和红外光强图像的成像特性差异，以提高目标识别的效果。作者提出了使用非亚采样小波包变换(NSCT)进行多尺度、多方向分解，并结合局部能量融合规则和模糊逻辑的融合策略。实验结果证明，该算法能够有效地融合源图像的互补信息，具有实际应用价值。" 在这篇论文中，研究的重点是红外偏振图像和红外光强图像的融合，这两种类型的图像各有其独特的成像特点。红外偏振图像能够提供有关物体表面信息的细节，而红外光强图像则反映物体的温度分布。由于它们在信息上的互补性，将两者融合可以提高图像的综合分析能力，尤其是在目标检测和识别方面。 论文提出的融合算法基于NSCT（非亚采样小波包变换），这是一种多分辨率分析工具，能够对图像进行多尺度、多方向的分解，从而捕捉到图像的细节和结构信息。在低频子带系数的融合过程中，采用了局部能量融合规则，这种方法考虑了图像局部区域的能量分布，有助于保留重要的结构信息。对于高频子带系数，论文引入了模糊逻辑，根据源图像的特性差异，动态选择像素级、区域级或加权平均的融合规则，以适应不同的场景需求。 模糊逻辑在这里的作用是提供一种灵活的决策机制，可以根据不同情况选择最合适的融合策略。例如，像素级融合适用于图像边界清晰的情况，区域级融合则更适用于连续区域的融合，而加权平均融合则在各源图像质量不均时有较好的表现。 经过这些步骤后，融合后的低频子带图像会进行直方图均衡化处理，以增强对比度，然后对所有子带进行NSCT重构，生成最终的融合图像。实验结果表明，这种融合方法能够有效提取和整合源图像的互补信息，提高目标识别的准确性和实用性，尤其在复杂环境下的目标检测具有显著优势。 关键词涉及了图像融合技术、红外偏振图像处理、红外光强图像处理以及NSCT变换。这些关键词突出了论文的研究焦点和所用的技术手段，展示了在红外成像领域的最新进展。这篇论文为红外图像融合提供了一个创新且有效的解决方案，对于红外信息处理和目标识别领域具有重要的理论和实践意义。