叶仕通

结合图像特征比的红外与可见光图像融合算法

叶仕通

（广东工业大学华立学院，广东广州511325）

针对现有图像融合算法得到的融合图像清晰度不高以及边缘模糊等问题，提出了一种结合图像特征比的红外与可见光的图像融合算法，通过小波变换将图像进行分解，并通过计算低频分量中空间频率比与能量比，来对低频分量中的有效信号进行保留，而对高频分量则是通过边缘检测算法计算出高频分量中的边缘信号比，来对高频分量的边缘信号进行保留；实验结果表，该算法能够得到相比其他算法更为清晰的融合图像，具有一定的实用价值。

图像融合算法；小波变换；红外图像；可见光图像；边缘检验

1 引 言

面对复杂多变的工作环境，如果单一地采用一种图像传感器来对外界环境进行描述很难，根据多传感器信息之间的互补性与冗余性，能够有效地解决单一成像传感器的不全面与不准确等问题。但根据多成像传感器输出信息的不可交替显示与简单叠加特点，人们通过采用图像的融合技术来保留每一个成像传感器所获取的重要信息。因此，图像的融合技术成为了现如今的研究热点，其中根据信息表征层次可以将图像的融合算法分为像素级融合、特征级融合和决策级融合这三大类［1－5］。比较具有代表性的融合算法大多为像素级融合算法，如小波变换［6－7］、Contourlet变换［8－9］以及IHS变换［10］等。本文通过研究红外与可见光传感器这两类常见的传感器，将红外传感器探测性高，清晰度低的特点与可见光传感器清晰度高、探测性低的特点进行融合，从而得到更为丰富的图像信号。……