红外可见光图像融合新算法：基于目标提取与NSCT的改进

本文主要探讨了一种新颖的图像融合算法，针对灰色系统理论在空间域处理红外与可见光图像融合时存在的局限性，以及非下采样Contourlet变换（NSCT）在图像融合领域的高效性能。NSCT以其多尺度分析和方向选择性特性，在此背景下被用来改进图像融合过程。 该算法首先对红外和可见光图像分别进行NSCT变换，将原始图像分解为高频和低频两部分。然后，针对红外图像的低频分量，作者运用了灰色系统理论进行目标提取。灰色系统理论是一种定性和定量相结合的系统分析方法，它强调了不确定性在信息处理中的重要性，能够有效地识别和提取图像中的目标特征。 接着，算法采用自定义的融合规则对低频分量进行融合，这一步旨在更好地保留目标信息并增强图像细节。同时，对于高频分量，传统的融合规则被应用于处理，以保持图像的纹理和边缘信息。这种分离和有针对性的融合策略有助于提高融合后的图像质量。 最后，通过对融合后的高、低频分量进行NSCT逆变换，融合图像得以生成。这个过程确保了融合结果在保持图像内容一致性的同时，提升了图像的视觉效果和某些客观评价指标，如信噪比、对比度等。 为了验证算法的有效性，作者进行了与四种常用图像融合方法的对比实验，结果显示，基于目标提取的红外与可见光图像融合新算法在视觉质量和客观指标上表现优异，特别是在处理复杂场景和目标检测方面有显著优势。 这篇研究论文提出了一种创新的融合策略，结合了灰色系统理论的智能目标提取能力和NSCT变换的多尺度分析特性，为红外与可见光图像的高效融合提供了新的解决方案。这对于诸如目标检测、图像增强、无人机导航等领域具有重要的实际应用价值。