NSST域下基于引导滤波与稀疏表示的红外与可见光图像融合

摘要

图像融合技术旨在解决单模态图像呈现信息不充分、不全面的问题。本文针对红外和可见光图像的融合,提出了一种新的在非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)域下基于引导滤波(Guided Filter,GF)和稀疏表示(Sparse Representation,SR)的融合算法。具体地,①利用NSST对红外与可见光图像分别进行分解,以得到各自的高频子带图像和低频子带图像;②使用GF加权融合策略对高频子带图像进行融合;③使用滚动引导滤波器(Rolling Guidance Filter,RGF)将低频子带图像进一步分解为基础层和细节层:其中基础层采用SR进行融合,细节层利用基于一致性验证的局部最大值策略进行融合;④对融合后的高频子带和低频子带图像进行NSST反变换,从而得到最终的融合结果。在公开数据集上的实验结果表明,相较于其它一些方法,本文方法得到的融合结果的纹理细节信息更丰富、主观视觉效果更好,此外,本文算法所得融合结果的客观评价指标也相对占优。