夏景明, 陈轶鸣, 陈轶才, 何 恺

(1.南京信息工程大学电子与信息工程学院，南京 210044; 2.华北电力大学机械工程学院，河北 保定 071000)

0 引言

红外成像传感器是通过目标场景的热辐射成像，具有较强的识别伪装能力，但是成像清晰度较低。可见光成像传感器是通过目标场景的反射成像，具有较高的空间分辨率和清晰度，但是易受到恶劣环境因素的影响[1]。因此，将红外与可见光图像进行融合，充分利用其信息的互补性，在军事作战、资源探测、安全监控等多领域有广泛的应用价值[2]。

非下采样轮廓波变换(Non-Subsampled Contourlet Transform,NSCT)具有多尺度、多方向、各向异性以及平移不变性等优点[3]，但是经过 NSCT分解获得的低频子带系数不稀疏，稀疏表示(SR)可以捕捉低稀疏度低频子带更深层面的几何结构特征，采用字典中较少原子项的线性组合来最优表示信号[4]。脉冲耦合神经网络(PCNN)模拟动物的视觉系统，具备了动态、捕获以及时间序列等特性，可以将输入的高频子带融入人眼的视觉特性，从而提取更多的特征信息[5]。

因此，NSCT变换、稀疏表示以及PCNN模型的图像融合方法得到越来越多的关注。文献[6]在NSCT变换的基础上提出了一种红外与可见光图像融合算法，该算法能够得到较为理想的融合图像，但其对低频子带系数融合选择了“加权平均”方案，不能够充分表达源图像的整体结构信息。文献[7]在改进NSCT变换的基础上，提出了关于PCNN模型的图像融合方法，该方法能够较好地保持图像结构，使融合图像更符合人类的视觉神经系统，但融合图像的互信息相对较小。……