NSST框架下结合局部自适应亮度与DCAPC-NN的双波段图像融合

Infrared and visible image fusion based on NSST framework com-bining local adaptive intensity and dual channel adaptive pulse cou-pled neural network

姜迈 ¹郑岩 ¹李宏达 ²张晓顺 ³于遨洋³

扫码查看

作者信息

1. 中国刑事警察学院侦查与反恐怖学院,辽宁沈阳 110854;痕迹检验鉴定技术公安部重点实验室,辽宁沈阳 110854
2. 中国刑事警察学院刑事科学技术学院,辽宁沈阳 110854
3. 中国刑事警察学院刑事科学技术学院,辽宁沈阳 110854;痕迹检验鉴定技术公安部重点实验室,辽宁沈阳 110854
折叠

摘要

针对现有红外与可见光图像融合后,易出现边缘平滑严重、纹理细节恢复不足、对比度低、显著目标不突出、部分信息缺失等问题,提出一种基于非下采样剪切波变换(non-subsampled shearlet transform,NSST)的红外与可见光双波段图像融合算法.首先,采用基于自适应引导滤波(adaptive guided filter,AGF)的方法对源红外、可见光图像增强.其次,利用NSST正变换分别对源红外与可见光图像分解,得到红外、可见光图像的低、高频子带分量.然后,分别通过基于局部自适应亮度(local adaptive intensity,LAI)与双通道自适应脉冲耦合神经网络(dual channel adaptive pulse coupled neural network,DCAPCNN)规则融合低、高频子带分量.最后,通过NSST逆变换得到最终融合图像.实验结果表明,本文算法整体对比度更适宜,对红外热目标及可见光背景的边缘与纹理的细节恢复性更好,融合图像信噪比高,有效结合了红外及可见光图像的各自优势,与现有传统图像融合与深度学习融合算法相比,本文算法达到了更好的实验效果,在主观视觉感知和客观指标评价中均具有更好的融合性能.

关键词

图像融合/非下采样剪切波变换(NSST)/自适应引导滤波(AGF)/局部自适应亮度(LAI)/双通道自适应脉冲耦合神经网络(DCAPCNN)

Key words

image fusion/non-subsampled shearlet transform(NSST)/adaptive guided filter(AGF)/local adaptive intensity(LAI)/dual channel adaptive pulse coupled neural network(DCAPCNN)

引用本文复制引用

基金项目

中央高校基本科研业务费专项(20230823)

公安部科技强警基础工作专项(2019GABJC06)

公安部技术研究计划(2020JSYJC26)

公安部技术研究计划(2019JSYJC23)

公安理论及软科学研究计划(2019LLYJXJXY055)

公安理论及软科学研究计划(2019LLYJXJXY057)

辽宁省自然科学基金指导项目(2020-MS-131)

出版年

2023

光电子·激光

天津理工大学中国光学学会

光电子·激光

CSCD北大核心

影响因子：1.437

ISSN：1005-0086

参考文献量12

段落导航