NSCT融合方法：结合VAM与模糊逻辑的图像处理技术

"这篇论文研究了一种结合VAM(Visual Attention Mechanism)和模糊逻辑的非下采样Contourlet变换(NSCT)图像融合方法，旨在改进传统图像融合技术的局限性，提升融合图像的质量和视觉效果。" 本文首先介绍了图像融合在多个领域的广泛应用，如航空航天、军事、医疗和环境监测等，强调了其重要性。传统的多尺度图像分析方法，如LP（拉普拉斯变换）、DWT（小波变换）和CT（Contourlet变换），在图像融合时存在平移不变性不足的问题，可能导致图像边缘信息的损失。相比之下，NSCT因其各向异性尺度关系和方向性优势，能够更精确地捕获图像的边缘和纹理信息，特别适合多传感器图像的表示。 论文针对传统融合方法的不足，提出了融合策略的改进。在NSCT分解的基础上，利用模糊逻辑处理高低频系数的融合，根据隶属度来决定像素点的融合程度，以适应融合过程中的不确定性。此外，作者还引入了VAM，这是一种模拟人类视觉系统对图像显著区域优先关注的机制。通过分析原始图像的显著区域信息，VAM指导低频系数的融合过程，确保显著特征在融合图像中得到保留。 实验结果证明，这种结合VAM和模糊逻辑的NSCT图像融合方法能够生成具有优异视觉效果和高客观评价指标的融合图像。这种方法不仅考虑了人类视觉系统的特性，而且利用模糊逻辑解决了融合过程中的不确定性问题，提高了融合质量。论文的作者来自深圳大学计算机科学与技术系、深圳市可视媒体处理与传输重点实验室等多个机构，他们的工作为图像处理领域提供了一个创新的解决方案。