LNSST域灰度突变度的红外与可见光图像融合

对红外与可见光图像融合过程中出现的融合时间较长、细节信息提取不足的缺点,提出一种局部化非降采样剪切波变换(Local Non-subsampled Shearlet Transform,LNSST)的红外与可见光图像融合提升算法。对红外图像和可见光图像采用LNSST域算法进行多层次、多方向的分解,得到低频子带系数和各带通方向子带系数。低频部分使用基于灰度突变度的权值平均的融合规则;高频部分采用区域纹理平滑度和拉普拉斯能量和相结合的融合方法,然后对低频融合系数和高频融合系数进行LNSST逆变换得到融合后的图像。用不同的算法进行验证结果显示本文提出的融合算法生成的融合图像细节更多、更清晰,执行时间相对较短。

NSST域高斯模糊逻辑的图像融合

为了达到对来自不同传感器的源图像融合时保留各自更多的细节信息,同时降低算法复杂度的目的,首先采用了非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)和改进模糊逻辑的图像融合方法,利用NSST算法源图像分别进行多尺度、多方向稀疏分解,分别得到低频子带系数和高频方向子带系数。其次对低频子带系数采用基于改进的模糊高斯隶属函数的权值平均融合规则,以此来充分利用源图像的优势信息进行互补;对高频子带系数采用区域纹理平滑度和视觉敏感度系数相结合的融合规则;以此来丰富融合图像的细节信息。最后对低频子带融合系数和高频子带融合系数执行NSST逆变换得到最终的融合图像。对此方法进行了理论分析和实验验证,结果表明此融合方法不仅可以保证融合清晰度,同时还可以缩短算法的运行时间。