杨擎宇，宋泉宏，魏志飞，顾一凡

（上海机电工程研究所，上海 201109）

0 引 言

红外与可见光传感器能捕获同一目标的不同信息，红外传感器主要采集场景目标的红外热辐射能量大小，受烟雾及风沙影响较小，作用距离远，但和可见光图像相比，红外图像对比度低、分辨细节能力较差。因此融合红外与可见光传感器获取的图像可弥补红外传感器的不足，对于场景信息增强、图像分辨率提升有重要意义，图像融合技术在现代应用技术和计算机视觉中起着越来越重要的作用［1］。

红外与可见光图像融合主流算法为基于多尺度变换的图像融合。最早由Burt和Adelson 提出拉普拉斯金字塔融合算法［2］；针对拉普拉斯融合方法的不足，学者们提出基于小波变换的融合［3-4］，其在正交性、方向性等方面有更好的表现，但对于二维图像中的特征信息处理欠佳；而后NSCT（non-subsampled contourlet transform）［5］、NSST（non-subsampled shearlet transform）［6］等方法被提出并被证实具备更优的方向性及重构效果，但算法复杂性高且融合过程会丢失信息，存在图像失真的现象。近几年为了改善传统多尺度融合算法的缺陷，边缘保持滤波器在图像融合中逐步得到应用，此类方法在去除伪影及噪声并保持边缘方面有出色的表现。Yadav 和Jain［7］使用基于双边滤波的融合方法获取了更优的融合效果，为了提升效率，研究人员又将引导滤波应用在图像融合中［8-9］，同时结合双尺度分解完成融合，避免了多层分解带来的信息冗余，但该方法融合权重系数选取对不同图像适应性不足，背景噪声也未有效滤除。……