基于NSCT和SF-PCNN的红外与可见光图像融合  

作　　者：王旭升[1] 许亚男[2] 胡石[1] 

机构地区：[1]池州职业技术学院机电与汽车系,安徽池州247000 [2]池州学院机电工程学院,安徽池州247000

出　　处：《电脑知识与技术》2025年第4期147-151,共5页Computer Knowledge and Technology

基　　金：安徽省2022年高校科学研究重点项目“基于轨迹在线提取的3D折线焊缝机器人摆动GMAW实时跟踪技术研究”(2022AH052866);池州职业技术学院科研自然重点项目“多尺度变换域中脉冲耦合神经网络与监督学习模型的图像融合方法研究”(ZR2021Z1);池州学院科研重点项目“基于非局部自相似的图像超分辨率方法研究”(CZ2021ZRZ08);安徽省2024年高校科学研究重点项目“基于机器视觉的金属表面缺陷检测关键技术研究”(2024AH051382)。

摘　　要：为了获得信息更加丰富的图像,本文选用非下采样Contourlet变换(NSCT)对红外与可见光图像进行多尺度分解。结合加权平均(average)、灰度值取大(max)、脉冲耦合神经网络(PCNN)以及空间频率(SF)等多种融合规则,分别对图像NSCT分解后的低频与高频部分进行融合处理。实验结果表明,对NSCT分解后的低频部分采用SF-PCNN融合规则,对高频部分采用max融合规则,能够获得信息更加丰富的高质量图像。同时,该方法的定量评价指标也更优。

关 键 词：图像融合 NSCT 多尺度分解 融合规则 

分 类 号：TN911[电子电信—通信与信息系统]