朱亚辉, 高逦

(1.陕西学前师范学院 数学与统计学院, 陕西 西安 710100; 2.西北工业大学 计算机学院, 陕西 西安 710072)

红外与可见光图像融合技术在军事和民用领域中占有重要地位，如目标检测、监控和情报收集等。其中，可见光图像含有丰富的细节和纹理信息，但易受光线和天气等因素的影响，难以捕捉到场景内的所有信息；红外图像是经红外成像传感器获得的图像，易丢失许多空间细节信息，视觉感受不自然。红外与可见光图像融合的目的是充分利用红外图像和可见光图像的优势，生成1幅含有丰富细节背景和热目标的高质量图像，便于计算机视觉任务[1]。

由于成像机理的不同，同一空间位置的红外和可见光图像的像素强度往往差异很大，为了得到具有良好视觉感知的融合结果，引入多尺度变换(multi-scale transformation,MST)。常用的MST方法包括：Curvelet、Contourlet、DTCWT等，虽然这些方法能将图像分解为低频子带和高频子带，但它们不具有平移不变性，容易造成伪Gibbs现象。非下采样contourlet(non-subsampled contourlet transform,NSCT)的变换过程包括非下采样结构滤波和非下采样方向滤波，且它们相互独立，这样能更好地保持图像的边缘信息和轮廓结构，增强图像的平移不变性。因此，许多学者将NSCT变换应用到红外与可见光图像融合中，取得了较好的融合效果[2-5]。例如，Wu等[2]充分利用了NSCT灵活的多分辨率和多向性，以及PCNN的全局耦合和脉冲同步激励特性，有效地将红外图像的特征与可见光图像的纹理细节相结合；Wang等[3]从NSCT分解的近似子带中提取亮/暗图像特征，将提取的亮图像特征和暗图像特征与基于不同尺度局部能量图的最大选择规则进行融合。……