NSST域红外可见光图像融合：边缘与对比度双重增强

本文主要探讨了边缘和对比度增强的非下采样剪切波变换（NSST）域的红外与可见光图像融合技术。该研究的背景是，为了实现红外图像的全局信息与可见光图像的细节的有效融合，从而提升融合后图像的整体质量和视觉效果。NSST作为一种多尺度分析工具，因其能够提供丰富的频率信息而被用于图像处理领域。 研究方法首先通过平移不变的剪切波分解技术，将输入的红外和可见光图像分别转换为低频和高频两个子带。这样做的目的是分离出图像的不同特征，低频子带包含图像的主要结构信息，而高频子带则包含边缘和纹理等细节信息。接下来，通过全局显著性图分析，评估图像的对比度，这是决定图像视觉吸引力的关键因素之一。作者还提出了一种改进的局部显著度图，专门用于检测和增强图像中的边缘信息，这对于边缘细节的表现至关重要。 针对不同的频带系数，融合过程结合了边缘信息和对比度信息，这一步旨在优化图像的特征组合，使得融合后的图像既具有清晰的细节又保持良好的对比度。融合策略可能是采用某种权重或加权平均的方法，以确保边缘和对比度的均衡增强。 实验结果显示，与基于小波变换、非下采样轮廓波变换（NSCT）以及显著度图的传统图像融合方法相比，这种方法不仅显著提高了图像的整体对比度，而且显著增强了边缘的清晰度，从而提高了图像的可读性和视觉效果。这表明，通过NSST域的处理，能够在保持图像本质信息的同时，有效地增强其视觉吸引力。 这项研究为图像融合领域提供了新的视角和技术手段，对于红外与可见光图像的联合处理有着实际的应用价值，尤其是在需要兼顾全局和局部信息、细节清晰度和对比度增强的场景中。未来的研究可能继续探索更精细的融合策略和算法优化，以适应更多实际应用场景的需求。