系统分析了滚动导向滤波的参数,根据参数变化的规律提出一种基于滚动导向滤波的混合多尺度分解方法,并基于此方法将红外与可见光图像分解到基本层、小尺度层和大尺度层。在基本层上使用像素能量与梯度能量相结合的融合规则,在大、小尺度层上采用双通道自适应脉冲耦合神经网络(DAPCNN)的融合规则。通过逆混合多尺度分解方法得到融合图像。与已有的图像分解方法相比,所提图像分解方法不仅可以很好地提取图像的纹理细节,保留图像的边缘特征,还可以避免在边缘位置上出现光晕现象。实验结果表明,所提方法可以很好地提取图像的红外目标信息,并将其融合到可见光图像中,与已有的融合方法相比,所提方法不仅在人眼视觉感知的主观评价方面具有明显优势,而且在互信息、信息熵、标准差、非线性相关信息熵和Chen-Varshney指标等客观评价标准上也具有很大的优势。

为了增强医学图像融合质量，提出了一种基于平移不变剪切波(SIST)和压缩感知的CT 和MRI 图像融合方法。首先，将源CT 与MRI 图像经过SIST 分解后得到低频子带和高频子带；其次，对低频子带，提出了一种结合新的改进空间频率、改进的区域加权能量和局部区域相似匹配度的融合规则；对于高频子带，提出了一种基于自适应2PCNN-CS 的融合规则；最后通过SIST 逆变换得到融合图像。实验表明：本文方法在客观指标和图像视觉效果上都优于传统的CT 与MRI 医学图像融合方法。

提出了一种基于非下采样双树复轮廓波变换(NSDTCT)和稀疏表示的红外和可见光图像融合方法, 以改善传统的基于小波变换的图像融合方法的不足。该方法首先利用形态学变换处理源图像, 利用NSDTCT变换进行图像分解得到低频子带系数和高频子带系数。根据高低频系数的不同特点, 提出改进的稀疏表示(ISR)的融合规则用于低频子带; 然后将改进的空间频率作为脉冲耦合神经网络的外部输入, 提出基于自适应双通道脉冲耦合神经网络(2APCNN)的融合策略用于高频子带。最后通过NSDTCT逆变换获得融合后的图像。实验结果表明: 本文方法在客观指标和视觉效果方面均优于传统图像融合的方法。与传统的NSCT-SR方法相比, 实验的两组图像中4个客观指标: 互信息(MI)、边缘信息保留量QAB/F, 平均梯度 (AG)和标准差(SD)分别提高了9.89%、6.39%、104.64%、55.09%和9.53%、17.77%、95.66%、52.89%。