巩稼民,刘爱萍,马豆豆,杨红蕊,张凯泽,赵梦凯

(西安邮电大学通信与信息工程学院,陕西 西安 710121)

1 引 言

图像融合是一种增强技术,旨将单一或多种类型的传感器在同一时刻捕捉到的同一应用场景中的图像,经过一系列数学运算,生成稳健或信息丰富的图像,以便于后续处理或帮助决策[1]。可见光图像通常具有较高的空间分辨率和丰富的细节信息以及较强的明暗对比,因此,可见光图像符合人类的视觉感知。然而,这些图像很容易受到外界条件的影响,例如不良的照明,雾和恶劣天气的其他影响。与此同时,红外图像是根据物体表面的热辐射进行成像,可以抵抗这些外界环境变化的干扰,但通常具有低分辨率和差的背景纹理信息。因此,将红外图像与可见光图像进行融合,既可以抵抗外界环境变化的干扰,又具有较强的目标识别能力和丰富的场景细节信息。近几年,可见光和红外图像的融合技术已经广泛应用于物体识别,检测,图像增强,监视和遥感等领域[2]。

近年来,基于多尺度分解的红外和可见光图像融合算法引起了人们极大的关注,许多学者并获得了大量的研究成果。常用的多尺度分解有金字塔变换[3]、小波变换、轮廓波变换(Contourlet)[4]、非下采样轮廓波变换(Non-subsampled Coutourlet Transform,NSCT)[5]以及非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)[6]。近年来,NSST被广泛使用,不仅具有前几个变换的优点,也克服了前几种算法的缺点,同时由于有梯形的支撑区间,对信号可以进行最优的稀疏逼近,其计算时长也大大缩短。……