基于CSR和能量特征的红外与可见光图像融合

王 昭,杜庆治,龙 华,邵玉斌,彭 艺

(昆明理工大学信息工程与自动化学院,云南 昆明 650500)

1 引 言

红外图像反映的是目标在红外热辐射下的能量分布,然而,其可视性并不是很理想,细节信息表现不明显。可见光图像与目标场景的光反射有关,能真实反映目标细节特征,但易受外部环境影响。因此,红外与可见光图像融合是十分有意义的,该研究在视频监控、军事、航空航天以及低质勘测等领域[1]都有着广泛的应用前景。

非下采样轮廓波变换(non-subsampled cont-ourlet transform,NSCT)拥有多方向、各向异以及平移不变等特性,同时,在一定程度上减少了“伪吉布斯”现象的产生。董等[2]提出了一种基于脉冲耦合神经网络(PCNN)的NSCT域红外与可见光图像融合算法,解决了稀疏表示的“块效应”问题。Zhang等[3]采用了基于局部拉普拉斯能量(Local Laplace energy,LLE)和共现滤波的融合规则,来融合非下采样剪切波变换(NSST)域的两幅图像,有效地保存了源图像的细节特征。卷积稀疏表示(convolution sparse repres-entation,CSR)是稀疏表示的卷积形式,Liu[4]使用CSR实现对整幅图像的完整稀疏编码,但对比度较低。

针对上述问题分析,本文综合NSCT变换、CSR模型以及LLE模型的互补特性,提出了基于CSR和能量特征结合的红外与可见光图像融合算法(简称为NSCT-CSR-LLE算法)。

2 相关工作

2.1 非下采样剪切波变换

NSCT主要组成为非下采样金字塔滤波器组(non-subsampled pyramid filter banks,NSPFBs)和非下采样方向滤波器组(non-subsampled directio-nal filter banks,NSDFBs)。若进行k层分解,可得与其大小相同的k+1个子图像。

2.2 卷积稀疏表示

CSR的基本思想是将源图像建模为特征响应系数xm与滤波器字典dm间的一组卷积和[5],从而取代冗余字典与稀疏系数乘积的表达方式。……