基于NSST与IFCNN的红外可见光图像融合算法

摘要：

针对在图像融合中存在边缘细节保留不够理想的问题,提出一种基于非下采样剪切波变换(NSST)与卷积神经网络图像融合框架(IFCNN)的红外可见光图像融合算法.首先将红外和可见光图像进行NSST分解.然后为了使低频子带图像更好地突出轮廓信息,使用相似性匹配的融合规则对图像进行融合;对高频子带图像使用IFCNN提取特征层,特征层通过L2正则化、卷积运算和最大选择策略处理可以得到最大权重图,根据最大权重图来确定高频融合规则.最后使用NSST逆变换得到最终的融合图像.实验结果表明,所提算法很好地保留图像的边缘及纹理等细节信息,减少伪影和噪声,具有良好的视觉效果.

关键词：图像处理、非下采样剪切波变换、红外与可见光图像、卷积神经网络、图像融合

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：长江学者和创新团队发展计划;国家自然科学基金;国家自然科学基金;甘肃省科技计划;甘肃省高等学校产业支撑计划;兰州市科技计划;兰州交通大学天佑创新团队项目;创新基金

在线出版日期：2021-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：110-118