改进引导滤波与DCSCM模型提升的红外可见光图像融合算法性能

本文主要探讨了一种创新的红外与可见光图像融合算法，旨在解决传统融合方法存在的问题，如目标不突出、背景丢失以及边缘信息保留不足。该算法的核心思想是结合改进引导滤波技术和双通道脉冲发放皮层模型（DCSCM）。首先，通过非降采样Shearlet变换（NSST）对原始图像进行分析，将图像分解为低频和高频两个部分，这样可以更好地保留图像的细节特征。 改进引导滤波算法被应用于低频成分，它是一种能够有效抑制噪声并增强图像边缘信息的处理技术，这有助于提高图像的清晰度和目标的可识别性。另一方面，双通道脉冲发放皮层模型（DCSCM）则被用于高频成分，这种模型模拟了人脑视觉系统的工作原理，能有效地融合不同频率的信息，增强图像的对比度。 接下来，经过改进引导滤波和DCSCM处理后的低频和高频分量被合并，形成新的图像表示。NSST逆变换进一步将这个合成的表示转换回原始空间，从而获得融合后的图像。实验结果表明，相比于其他图像融合方法，本文提出的算法在图像质量上具有明显的优势，如目标更加鲜明，背景信息丰富，同时在图像清晰度、对比度和信息熵等关键评价指标上也表现优秀。 因此，该算法不仅提升了红外与可见光图像的融合效果，还展示了在实际应用中的实用价值，特别是在需要高精度图像处理的领域，如监控、无人机导航和自动驾驶等。这项研究对于提高多模态图像融合的性能，提升视觉系统的整体效能具有重要意义。