王志社，姜晓林，武圆圆，王君尧

可见光与红外图像组K-SVD融合方法

王志社，姜晓林，武圆圆，王君尧

（太原科技大学 应用科学学院，山西 太原 030024）

传统稀疏表示融合方法，以图像块进行字典训练和稀疏分解，由于没有考虑图像块之间的内在联系，易造成字典原子表征图像特征能力不足、稀疏系数不准确，导致图像融合效果不好。为此，本文提出可见光与红外图像组K-SVD（K-means singular value decomposition）融合方法，利用图像的非局部相似性，将相似图像块构造成图像结构组矩阵，通过组K-SVD进行字典训练和稀疏分解，可以有效提高字典原子的表征能力及稀疏系数的准确性。实验结果表明，该方法在主观和客观评价上都优于传统稀疏融合方法。

图像融合；非局部相似性；结构组矩阵；组K-SVD

0 引言

红外成像技术通过接收目标的红外辐射，将肉眼不可见的红外辐射能量转化为电信号进行成像，可以探测到隐藏目标或伪装目标，具有很好的抗干扰能力，可以全天时全天候工作；可见光成像技术通过捕捉物体的反射光进行成像，可以很好地获取物体的细节信息、颜色信息和纹理特征[1-2]，但易受天气、光照的影响。因此，可见光与红外图像具有较强的互补特性，只有将这两类图像信息进行融合，综合两类图像的互补信息，才能够有效提高成像系统的性能[3-4]。

目前，可见光与红外图像融合方法大致可以分为多尺度变换融合[5-6]、稀疏表示融合[7-11]、混合模型融合[12-14]、拟态融合[15]、深度学习融合[16-17]等。多尺度变换融合方法采用尺度变换数学模型描述图像特征，采用相应的融合规则进行合并，得到最终的融合图像。……