基于RPCA模型的红外与可见光图像融合

摘要

针对传统基于非下采样Contourlet变换图像融合方法易出现融合图像目标显著性较弱、图像失真以及纹理细节信息缺失的问题,本文提出一种基于RPCA分解模型的NSCT域红外与可见光图像融合方法.首先对红外与可见光图像进行RPCA分解,得到对应的稀疏矩阵;然后利用NSCT变换获取待融合红外与可见光图像的低频子带与高频方向子带,并分别采用基于稀疏矩阵和PCNN的方法求解待融合图像低频子带和高频方向子带的融合系数,再对融合后的图像低频和高频成分进行NSCT逆变换获取最终的图像融合结果;最后分别选取标准和真实场景测试图像集对本文方法和Contourlet、D-NSCT以及N-W-P等代表方法进行实验测试对比.实验结果表明,本文方法图像融合结果的目标显著性明显增强,图像的边缘轮廓等细节信息更加丰富,有效地抑制了图像失真现象,相对于其它对比方法具有更高的融合精度和较好的鲁棒性.