基于NSCT与改进PCNN的红外与可见光图像融合方法研究

针对传统图像融合方法引起的清晰度低、轮廓模糊以及适应性差等问题,提出了一种改进的红外与可见光图像融合方法。采用非下采样轮廓波(NSCT)对红外与可见光图像进行分解,分别得到带通子带系数与低频子带系数。采用融合准则采用改进的空间频率(MSF-PCNN)获取高频融合系数,采用改进的脉冲耦合神经网络(PCNN),即NL-PCNN,获取低频融合系数。针对两种异源低频信息,利用改进的加权锐化滤波器和加权均值滤波器作频率梯度分离进行轮廓提取。实验结果表明了所提融合算法的有效性,在获取图像轮廓信息,增强融合图像清晰度方面均优于传统的图像融合算法,具有较高的自适应能力。