基于视觉特性的红外与可见光图像融合

李昌兴, 王志强

(1.西安邮电大学 理学院， 陕西 西安 710121； 2.西安邮电大学 通信与信息工程学院， 陕西 西安 710121)



基于视觉特性的红外与可见光图像融合

李昌兴1, 王志强2

(1.西安邮电大学 理学院， 陕西 西安 710121； 2.西安邮电大学 通信与信息工程学院， 陕西 西安 710121)

给出一种基于人类视觉特性的红外可见光图像融合算法，以增强融合图像的场景信息和目标指示特性。采用无下采样Contourlet变换对两幅源图像进行多尺度分解；在低频分量部分，调整可见光图像的全局亮度，以基于局部能量的方法提取并增强红外目标，以局部方差取大方法获得景物轮廓，余则采用可见光图像像素值；在高频分量部分，采用脉冲耦合神经网络选取高频分量；通过无下采样Contourlet变换的逆变换得到融合图像。改进算法可保留可见光图像的清晰度,红外目标突出,景物比在单一可见光图像中更易辨别。

红外图像；可见光图像；图像融合；对比度；无下采样Contourlet变换

红外图像具有较好的目标指示效果，但背景比较模糊。可见光图像包含丰富的背景信息，具有较好的对比度和清晰度。两幅图像优势信息互补，可增加单一图像的信息量，更便于人眼观察。

图像融合根据融合层次的不同，可分为像素级融合、特征级融合和决策级融合，其中以像素级融合最受关注，它又可分为空间域融合和变换域融合。空间域融合方法不对融合图像进行分解变换，是早期的图像融合的一种尝试。20世纪80年代中期开始，图像的多尺度分解被引入到图像融合中,多尺度分解融合是一种变换域的融合方法，其中影响融合图像质量的因素包括图像分解算法和融合规则的制定。……