2014年红外可见光图像融合新算法：基于局部能量的多层级优化

本文主要探讨了"基于局部能量的多层级红外与可见光图像融合算法"，发表于2014年1月的《四川大学学报（自然科学版）》。作者童涛、杨桄等人，来自空军航空大学，针对传统图像融合方法在处理可见光图像背景信息时的不足，提出了创新的融合策略。该算法的核心思想是结合像素级和特征级融合的优点，以解决可见光图像中丰富的背景信息如何更好地融入红外图像的问题。 首先，研究者对配准后的红外和可见光图像进行Nonsubsampled Contourlet Transform (NSCT) 变换，这是一种能捕捉图像多尺度和方向特征的高级分析工具。NSCT变换能够精细地分解图像，将复杂的信息分布到不同频率的子带中，有助于区分目标信息和背景细节。 在融合过程中，针对低频图像，作者采用了基于区域能量比的自适应加权平均方法。这种方法根据各个区域的能量差异，动态调整可见光图像的贡献度，确保背景信息在融合图像中得到更均衡的保留。这种自适应策略可以避免背景信息的过度淹没或丢失。 其次，意识到低频子带中包含大量边缘细节信息，算法在此基础上改良了Petrovic多层级融合方法。通过利用低频子带边缘特征，算法指导高频方向子带系数的融合，实现了边缘信息的精确融合，这在保持图像细节的同时，增强了融合图像的清晰度。 最后，经过NSCT逆变换，融合后的图像得以生成。实验结果显示，该算法在主观视觉效果和客观量化指标上都表现出色，显著优于传统的融合方法。论文的关键词包括边缘特征、NSCT变换、区域能量以及特征级融合，这些概念和技术在图像处理领域具有重要意义。 这篇论文提供了一种创新的图像融合策略，强调了局部能量和多层级融合技术在红外与可见光图像融合中的应用，对于提高图像处理的精度和质量具有实际价值。