基于CSR和能量特征的红外与可见光图像融合

摘要

传统稀疏表示(SR)分块处理策略降低了图像连续性,使得特征信息损失严重.因此,提出了基于卷积稀疏表示(CSR)和能量特征的红外与可见光图像融合算法.该算法将非下采样轮廓波变换(NSCT)域低频子带分解成低频基础分量和细节特征分量,使用局部拉普拉斯能量法(LLE)和卷积稀疏表示分别进行融合,获得低频子带融合图像.同时,根据底层视觉特征构建新活性度量方法来融合高频子带,最后对高、低频部分进行NSCT反变换重建.实验结果表明:该算法有效结合了源图像的边缘纹理信息,在主观和客观评价上皆优于现有的大部分算法.