基于NSST的红外可见光图像融合：显著图与区域对比度策略

本文主要探讨了高频融合规则在Windows驱动器下的PlutoSDR环境下，针对红外与可见光图像的融合方法。首先，针对视觉系统对图像对比度敏感的特点，提出了基于显著图的低频融合规则。这一规则通过计算像素与周围像素的差值，生成显著图，然后根据红外和可见光图像的特性，通过区域相似性匹配规则，量化差异并指导低频子带图像的融合，确保融合图像不会丢失大量细节。 低频融合规则的核心在于匹配度阈值，当源图像对应像素点的匹配度低于阈值时，选择显著值较大的像素融合；而当匹配度高于或等于阈值时，采取加权融合方法，利用两幅图像的显著值权重决定融合像素值。这种方法比简单的加权平均或选择较大/较小值更为合理，能更好地保留图像的特征。 高频子带图像则包含源图像的边缘纹理等细节信息。因此，设计的高频融合规则着重于提取这些高频细节。为了适应人眼视觉特性，融合高频子带图像时采用了改进的区域对比度融合规则，考虑图像突变较大的区域，确保这些关键信息被准确融合。 整个融合过程包括NSST（非下采样剪切波变换）的降维处理，对低频和高频子带分别应用融合规则，最后再进行NSST逆变换以生成融合图像。作者通过实验验证了这种基于NSST的红外与可见光图像融合算法的有效性，结果显示它能有效整合两种图像的重要信息，并且在融合效果上优于传统的基于NSCT（非下采样 Contourlet 变换）和 NSST 的方法。 本文的关键技术点包括显著图的计算、区域相似性匹配、改进的区域对比度融合规则以及NSST在图像融合中的应用。这项研究为红外与可见光图像的有效融合提供了一种创新且科学的方法，对于提高图像处理质量和视觉效果具有重要意义。