基于NSST的红外与可见光图像融合算法

"基于NSST的红外与可见光图像融合算法通过非下采样剪切波变换(NSST)处理已配准的红外与可见光图像，实现信息的有效融合。算法首先进行NSST分解，得到低频子带和高频子带图像。接着，利用显著图的低频融合规则处理低频子带，而高频子带则采用改进的区域对比度融合规则，考虑人眼视觉特性。最后，通过NSST逆变换获得融合图像。实验比较了该方法与基于NSCT、NSST及PCNN的融合方法，结果显示提出的算法能有效融合红外与可见光图像的关键信息，且性能更优。" 本文主要介绍了一种应用于红外与可见光图像融合的新方法，基于非下采样剪切波变换（NSST）。由于红外图像与可见光图像各自具有独特的特性，这种融合算法旨在结合两者的优点。首先，对经过严格配准的红外与可见光图像进行NSST分解，得到图像的低频成分和多个尺度、方向的高频成分。低频子带通常包含图像的大范围结构信息，而高频子带则包含细节和边缘信息。 对于低频子带图像，研究者提出了基于显著图的融合规则，显著图可以突出图像中的关键区域，有助于保持重要的结构信息。在高频子带图像的融合过程中，考虑到人眼视觉系统的特性，他们改进了区域对比度的计算方式，以适应不同区域的显著程度差异。这种方法避免了传统局部区域对比度处理中忽略图像区域显著性差异的问题，更符合人类视觉对视觉显著区域的敏感性。 为了验证新算法的有效性和优势，作者选择了四组经过严格配准的红外与可见光图像进行实验，包括“UN Camp”，“Trees”，“Octec”和“Dune”，所有图像大小统一为270×360像素。他们将新方法与基于NSCT、NSCT与PCNN、NSST以及NSST与PCNN的融合方法进行了对比。实验参数设定为：NSST分解级数3，尺度分解采用“maxflat”滤波器，滤波方向分别为6、10、18，阈值0.9，区域大小9×9。 实验结果表明，所提算法能更有效地融合红外与可见光图像中的重要信息，提供了更优的视觉效果。这证明了该算法在图像融合领域的有效性，特别是在处理红外与可见光图像融合时，能更好地保留和整合两种类型图像的优势，从而提高信息的综合利用率。