周华兵 侯积磊 吴 伟 张彦铎 吴云韬 马佳义

1(武汉工程大学计算机科学与工程学院 武汉 430205)2(智能机器人湖北省重点实验室(武汉工程大学) 武汉 430205)3(武汉大学电子信息学院 武汉 430072)(zhouhuabing@gmail.com)

图像融合是一种增强技术，其目的是将不同类型传感器获取的图像结合起来，生成一幅信息丰富的图像，以便于后续处理[1].通过不同类型传感器获取的图像一般并不是对齐的，会有一定的偏移，需要配准后才能融合[2-4].本文主要解决精确配准条件下的图像融合问题，其在语义上具有逐像素(per pixel)的对应关系.

红外和可见光图像融合是图像融合的重要分支，红外图像可以根据辐射信息来突出目标，并且不受天气和光线的影响，可见光图像拥有较高的分辨率，图像更清晰，符合人类视觉习惯[5-8].红外和可见光图像融合既可以保留红外图像的对比度信息，又可以保留可见光图像的高分辨率.

传统的图像融合方法多是基于多尺度分解的思路.包括拉普拉斯金字塔变换(Laplacian pyramid transform, LP)[9]、双树复小波变换(dual-tree complex wavelet transform, DTCWT)[10]、非下采样轮廓波变换(nonsubsampled contourlet transform, NSCT)[11]等方法.随着视觉显著性相关研究的深入，出现越来越多基于视觉显著性的图像融合方法.Zhang等人[12]提出一种基于显著性区域提取的红外和可见光图像融合方法.首先基于显著性分析和自适应阈值算法提取出红外图像的目标区域，然后采用非下采样剪切波变换得到背景区域融合系数，完成融合任务.但这种方法得到的融合图像中目标区域直接使用了红……