基于NSCT结合显著图与区域能量的红外与可见光图像融合

针对传统的红外与可见光图像融合出现的清晰度和对比度偏低，目标不够突出的问题，本文提出了一种基于Non-subsampled Contourlet(NSCT)变换结合显著图与区域能量的融合方法。首先，使用改进的频率调谐（Frequency-tuned, FT）方法求出红外图像显著图并归一化得到显著图权重，单尺度Retinex(Single-scale Retinex, SSR)处理可见光图像。其次，使用NSCT分解红外与可见光图像，并基于归一化显著图与区域能量设计新的融和权重来指导低频系数融合，解决了区域能量自适应加权容易引入噪声的问题；采用改进的“加权拉普拉斯能量和”指导高频系数融合。最后，通过逆NSCT变换求出融合图像。本文方法与7种经典方法在6组图像中进行对比实验，在信息熵、互信息、平均梯度和标准差指标中最优，在空间频率中第一组图像为次优，其余图像均为最优结果。融合图像信息量丰富、清晰度高、对比度高并且亮度适中易于人眼观察，验证了本文方法的有效性。