基于邻域特征与SCM相结合的红外与可见光图像融合

Infrared and Visible Image Fusion Based on Neighborhood Feature and SCM

摘要: 提出了一种基于邻域特征与脉冲发放皮层模型(Spiking Cortical Model,SCM)相结合的红外与可见光图像融合算法.首先,源图像经过非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)分解得到各自的低频子带图像和高频子带图像.然后,根据低频与高频子带的特点,选择适合的邻域特征作为SCM的外部激励,通过比较SCM的输出对低频与高频分量进行融合.最后将融合得到的低频与高频子带图像经逆变换重建得到最终的融合图像.通过实验仿真与其他几种方法进行比较,可以看出本文算法的融合图像红外目标突出,背景信息丰富,视觉效果良好,并且在标准差、信息熵,以及互信息等客观评价方面具有明显的提高.