基于稀疏表示和NSCT-PCNN的紅外與可見光圖像融合

夏景明, 陳軼鳴, 陳軼才, 何 愷

(1.南京信息工程大學電子與信息工程學院，南京 210044; 2.華北電力大學機械工程學院，河北 保定 071000)

0 引言

紅外成像傳感器是通過目標場景的熱輻射成像，具有較強的識別偽裝能力，但是成像清晰度較低。可見光成像傳感器是通過目標場景的反射成像，具有較高的空間分辨率和清晰度，但是易受到惡劣環境因素的影響[1]。因此，將紅外與可見光圖像進行融合，充分利用其信息的互補性，在軍事作戰、資源探測、安全監控等多領域有廣泛的應用價值[2]。

非下采樣輪廓波變換(Non-Subsampled Contourlet Transform,NSCT)具有多尺度、多方向、各向異性以及平移不變性等優點[3]，但是經過 NSCT分解獲得的低頻子帶系數不稀疏，稀疏表示(SR)可以捕捉低稀疏度低頻子帶更深層面的幾何結構特征，采用字典中較少原子項的線性組合來最優表示信號[4]。脈沖耦合神經網絡(PCNN)模擬動物的視覺系統，具備了動態、捕獲以及時間序列等特性，可以將輸入的高頻子帶融入人眼的視覺特性，從而提取更多的特征信息[5]。

因此，NSCT變換、稀疏表示以及PCNN模型的圖像融合方法得到越來越多的關注。文獻[6]在NSCT變換的基礎上提出了一種紅外與可見光圖像融合算法，該算法能夠得到較為理想的融合圖像，但其對低頻子帶系數融合選擇了“加權平均”方案，不能夠充分表達源圖像的整體結構信息。文獻[7]在改進NSCT變換的基礎上，提出了關于PCNN模型的圖像融合方法，該方法能夠較好地保持圖像結構，使融合圖像更符合人類的視覺神經系統，但融合圖像的互信息相對較小。……