基于显著性检测与奇异值分解的图像融合方法及装置

摘要

本发明提供的基于显著性检测与奇异值分解的图像融合方法及装置，采用基于显著性检测与奇异值分解的自适应双通道PCNN模型，该模型首先通过NSST作为多尺度分解工具，将图像分解为一个低频子带图像与一系列高频子带，其次在现有自适应双通道PCNN模型的基础上进行改进，并且针对不同频率的子带图像，分别利用新提出算子进行处理，最终将PCNN模型神经元的全局耦合和脉冲同步特性与NSST的稀疏分解特性相结合，一定程度上解决了红外图像和可见光图像光谱差异较大而导致融合图像对比度偏低和出现大量黑色伪影等问题，可以更好地表达图像的特征，将可见光的纹理信息与红外图像的显著性特征完美结合，最终取得较好的融合效果。