红外与可见光图像融合：非下采样Contourlet变换与稀疏表示结合的方法

"这篇论文探讨了一种基于非下采样Contourlet变换（NSCT）和稀疏表示的红外与可见光图像融合方法，旨在解决NSCT中低频子带系数稀疏度不足的问题，以提升图像融合效果。" 本文作者包括彭进业、王珺、何贵青和冯晓毅，他们来自西北工业大学电子信息学院，该研究得到了高校博士点基金的支持。文章主要关注的是在图像处理技术领域，特别是图像融合的应用。非下采样Contourlet变换（NSCT）是一种多分辨率分析工具，常用于图像处理，但其低频子带系数的稀疏度不足可能影响融合质量。 为了解决这个问题，论文提出了一个创新的融合策略。首先，对红外图像和可见光图像分别进行NSCT变换，将图像分解为不同的频率子带。接着，对于稀疏度较低的低频子带，论文提取了共同和特有的系数，并根据特有系数的活动水平动态调整融合权重，这有助于保持重要信息同时减少冗余。在高频方向子带方面，由于这些子带通常具有更高的稀疏度，论文采用了同一尺度下方向子带绝对值和取最大值的方法进行融合，以保留更多的细节信息。最后，通过NSCT的逆变换，生成融合后的图像。 实验结果显示，这种方法相对于传统的基于离散小波变换（DWT）、NSCT的融合方法，以及基于稀疏表示的SOMP（Orthogonal Matching Pursuit）和JSR（Joint Sparse Representation）算法，能获得更优的融合效果。这表明，结合NSCT和稀疏表示可以有效提升红外与可见光图像融合的质量，对于提高图像分析、识别和理解的性能具有重要意义。 关键词涉及的信息处理技术、图像融合、非下采样Contourlet变换、稀疏表示以及红外和可见光图像，都是当前图像处理领域的热点，该研究对这些领域的理论发展和技术应用有着积极的贡献。中图分类号为TP391，表明这是一篇关于信息技术和计算机科学的论文。