谈 玲， 于 欣

(南京信息工程大学 计算机与软件学院， 南京 210044)

0 引 言

红外与可见光图像的融合有利于获取目标信息和场景信息，并已广泛应用于计算机视觉、目标探测与识别、军事、视频监控等领域[1-2]。文献[3]中提出的多尺度分解工具与SR结合的融合算法，能够将能量从源图像转到融合图像，提高融合结果的对比度。

近年来，基于FFST、SR和PCNN模型的图像融合算法受到越来越多的关注。文献[4]中提出的基于改进NSCT的可见光与红外图像的融合方法，具有良好的方向各异性以及方向选择性，但是仍然无法高效地描述图像内部的几何特征，不能完全具备平移不变性。本文提出了一种基于SR与FFST-PCNN的红外与可见光图像融合算法FFST-SR-PCNN。该方法相关研究已经在医学图像融合中开展，效果很好，在主观视觉效果与客观评价指标方面都得到了较好的结果。

1 相关理论

1.1 稀疏表示

稀疏表示的模型[5-6]可以通过下式得到：

(1)

1.2 脉冲耦合神经网络

PCNN[8]简化模型的数学表达式为：

(2)

式中：n为迭代次数；Iij为刺激信号；Yij、Uij分别为外部输入和内部状态；Fij为反馈输入；Lij为链接输入；Wijkl为神经元之间的连接权系数；β、θij、αθ分别为链接强度、可变阈值的输入及可变阈值的衰减时间常数；VL、Vθ分别是链接输入的放大系数与阈值的放大系数。

2 图像融合算法

针对目前小波变换会导致细节的信息丢失，并且当红外与可见光图像融合时信息会相互干扰，导致综合性能不佳的问题[9]，本文提出了一种基于SR与FFST-PCNN的红外与可见光图像融合算法FFST-SR-PCNN。……