基于补偿机制的NSCT域红外与可见光图像融合

作     者：陈震 杨小平 张聪炫 段兴旺 Chen Zhen;Yang Xiaoping;Zhang Congxuan;Duan Xingwang

作者机构：南昌航空大学无损检测技术教育部重点实验室南昌330063 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2016年第37卷第4期

页      面：860-870页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61401190 U1233125 61462062) 江西省主要学科学术带头人培养计划项目(201208421) 江西省自然科学基金重点项目(20133ACB20004) 江西省优势学科团队建设计划项目(20152BCB24004) 江西省科技落地计划项目(201408083) 航空科学基金(2015ZC56009) 无损检测技术教育部重点实验室开放基金(ZD201529001) 江西省教育厅青年科学基金(GJJ150706)项目资助 

主　　题：图像融合 非下采样Contourlet变换 脉冲耦合神经网络 小波变换 

摘      要：针对传统基于非下采样Contourlet变换和脉冲耦合神经网络的图像融合方法易出现图像失真的缺点,本文提出一种基于小波变换与PCNN补偿的NSCT域内红外与可见光图像融合方法。首先将红外和可见光图像分别进行NSCT分解,得到低频分量和高频分量;然后对低频分量进行二维小波分解,得到1个低频子带和3个方向子带,对其低频子带采用局部能量加权的方法进行融合,其余3个子带采用绝对值取大的方法进行融合;NSCT分解的高频子带融合规则分为对最高层的融合和其他层的融合,最高层采用绝对值取大的方法进行融合,而其余层采用的是基于改进型的PCNN的方法进行融合;最后将得到的低频子带和高频子带进行NSCT重构获得融合图像。合成及真实图像集实验结果表明,本文算法相对于传统的融合方法增加了图像的纹理和细节信息,有效地抑制了图像失真问题,具有较高的融合精度与较快的融合效率。