针对传统的红外与可见光图像融合算法提取目标信息不突出的问题, 提出一种基于非下采样剪切波变换和稀疏结构特征的融合方法.首先用非下采样剪切波变换分解源图像; 然后通过主成分分析提取低频子带系数中边缘和轮廓等显著特征, 引导低频成分融合规则的设计, 同时基于结构信息的稀疏性指导融合高频子带系数; 最后经过非下采样剪切波变换逆变换得到融合后的图像.实验结果表明, 该方法在保留可见光图像背景信息的基础上, 突显了红外图像的结构信息, 有效提高了融合效果.

针对传统融合方法融合后目标轮廓模糊和细节不突出等问题,提出一种在剪切波框架下基于邻域结构特征的红外与可见光图像融合算法。通过剪切波变换对源图像进行分解得到与源图像同尺寸的高频和低频子带系数;为防止融合后图像边缘模糊,对低频子带系数采用几何距离与能量距离加权的融合规则,对高频子带系数采用灰度差异与梯度距离加权的融合规则来更好地保留源图像的细节信息;经剪切波逆变换得到融合后图像。结果表明,本文算法能有效地提取红外目标信息和保持可见光图像信息;在保留图像轮廓信息的基础上,凸显目标信息,有效地改善图像融合效果。

为了克服传统图像融合结果存在对比度不足和细节缺失的缺点，提出基于非下采样剪切波-对比度变换(NSSCT)的图像融合算法。分析了图像经非下采样剪切波变换(NSST)后高频系数间的关联性与差异性，构造了高频系数方向性基本一致的NSSCT变换，保留了融合图像的高频系数细节，并提升了对比度。基于图像的低频特点，采用显著性增强方法对低频系数进行融合，通过NSSCT逆变换得到对比度提升和细节增强的融合图像。实验结果表明，在图像对比度提升与细节保留方面，本文算法比基于小波、NSST和显著性等算法具有明显优势。

为了将红外图像的全局信息与可见光图像的细节信息进行有效结合，进一步提高融合后图像的质量，提出了一种同时增强图像边缘细节和对比度的非下采样剪切波变换（ NSST）域红外和可见光图像融合方法。首先，通过平移不变剪切波将图像分解成为低频子带与高频子带，通过全局显著性图分析图像的对比度信息；利用改进型局部显著度图分析图像局部边缘信息。针对不同频带系数，结合边缘信息和对比度信息对频带系数进行融合，最后，利用逆变换得到最终的融合图像。大量实验结果表明，本文方法在提高图像整体对比度的同时增强了图像的边缘细节表现能力，优于现有的基于小波变换，非下采样轮廓波变换（NSCT）和显著度图等几种图像融合方法。