红外与彩色可见光图像融合新方法：基于彩色传递和信息熵

"基于彩色传递和信息熵的红外与彩色可见光图像融合" 本文主要探讨了一种创新的图像融合算法，特别适用于红外图像与彩色可见光图像的融合。该算法结合了lαβ颜色空间和非下采样Contourlet变换（NSCT）理论，目的是在保留红外图像的目标定位信息和彩色可见光图像的丰富背景信息的同时，尽可能地保持原始彩色信息，以生成具有优质视觉效果和量化指标的融合图像。 首先，算法针对彩色可见光图像的R、G、B三个通道进行平均处理，得到灰度图像。接着，利用NSCT对得到的灰度图像与红外图像进行变换，通过这个变换，可以更好地捕捉图像的细节和结构信息。在NSCT域内，针对不同子带系数，提出了两种不同的选择策略：一是基于局部区域均值和局部区域信息熵的加权低频子带系数选择，用于强调红外图像中的关键特征；二是基于局部区域方向信息熵和区域能量的带通方向子带系数选择，用于有效抑制噪声并突出图像的几何特征。 随后，文章引入了lαβ颜色空间的彩色传递算法，将可见光图像的颜色信息传递到灰度融合图像上，生成最终的彩色融合图像。lαβ颜色空间因其对人类视觉系统的适应性，使得颜色信息的传递更为准确，从而提高了融合图像的自然色彩保真度。 实验结果显示，该算法能有效地提取红外图像中的目标信息和可见光图像的背景信息，同时在保持图像色彩方面表现出优越性。综合来看，这种方法在视觉效果和量化评估指标上都有显著优势，对于红外与彩色可见光图像融合的应用，如监控、军事侦察和遥感等领域，具有重要的实用价值。 关键词：信息处理技术；图像融合；非下采样Contourlet变换；彩色传递；信息熵 该研究在图像融合领域中展示了信息熵和颜色传递在优化图像质量方面的潜力，同时也揭示了lαβ颜色空间在处理彩色信息时的优势。通过这种技术，可以实现更加准确和生动的多模态图像融合，对于提高图像分析和识别的效率和准确性有着积极的推动作用。