基于鲁棒主成分分析法的红外可见光图像融合

摘要

针对红外可见光图像融合效果较差且容易丢失主要信息等问题,提出一种基于鲁棒主成分分析法(RPCA)的红外可见光图像融合方法。应用RPCA将图像数据矩阵分解得到低秩矩阵和稀疏矩阵,对于更好的区分红外图像的目标信息和可见光图像的背景信息本身就是模糊问题。利用区域能量和模糊逻辑隶属度函数来计算得到权重系数从而融合低秩分量;在稀疏分量,选用自适应PCNN对稀疏分量融合,以信息熵作为反馈输入来调节自适应PCNN参数。结果表明相比传统方法来说,该方法可以更好的保持红外图像目标信息和可见光图像背景信息,而使得融合效果更好。