基于双分解的双通道PCNN红外与可见光图像融合

摘要：

为解决红外与可见光图像融合过程中存在的对比与清晰度较低和小目标易丢失等问题,提出了基于在双分解模型下的双通道PCNN(dPCNN)图像融合算法.首先对两幅源图像进行预增强处理,通过鲁棒的主成分分析(RPCA)将处理后图像分解为稀疏层与低秩层,接着,再利用非下采用剪切波变换(NSST)对的稀疏层进行多尺度分解得到低频子带与高频子带,然后对低秩层和低频子带采用局部加权能量与拉普拉斯能量两者取大的规则进行融合,对高频子带则利用dPCNN的点火图进行融合,最后将得到的融合成分进行逆变换或合成来得到最终融合图像.实验表明,该算法的融合图像目标信息对比突出、小目标信息明显,对源图像信息保留较好,客观评价指标也明显也优于其他算法,其中互信息有了大幅度的提升,有效地提升了红外与可见光图像的融合效果.

关键词：RPCA、双通道PCNN、NSST、红外与可见光图像融合

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;甘肃省科学院应用研究与开发项目;甘肃省重点研发计划项目;甘肃省传感器与传感技术重点实验室开放基金项目;兰州市科技计划项目;西北师范大学研究生科研项目

在线出版日期：2023-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：784-791