针对现实场景中双模态红外图像融合对异类差异特征协同优化融合的需求, 且现有差异特征属性无法根据差异特征多个属性的变化针对性地调整融合算法进行有效驱动, 导致融合效果差的问题, 提出了面向双模态红外图像融合算法选取的联合可能性落影构造方法。首先计算双模态红外图像多融合算法下不同差异特征的融合有效度、统计差异特征分布特性; 再构造差异特征融合有效度的可能性分布, 通过最小二乘估计法拟合可能性分布函数; 然后通过择优比较法对不同差异特征融合有效度的可能性分布进行对比分析, 确定差异特征可能性分布函数投影权重, 构造联合可能性落影函数; 最后分析联合可能性落影函数截集水平, 结合差异特征分布特性构建融合性能指标动态选取最优融合算法。实验结果表明, 本文方法所选出的最优融合算法在主客观综合分析上优于其他算法, 验证了本文将联合可能性落影运用于双模态红外图像最优融合算法选取中有效性和合理性。

针对传统的红外图像与可见光图像融合算法存在局部模糊、背景信息不完整的问题, 文章提出了一种新的融合算法。使用边缘检测算子实现图像轮廓的提取, 同时还进行基于能量的加权融合处理; 使用区域间相似度的方法实现信号域的提取, 最后根据过信号强度进行图像的融合。为了验证算法的正确性, 文章进行了对比测试, 同时还使用标准差、信息熵和平均梯度3个参数进行了定量分析, 本文方法和传统的加权平均算法相比标准差最大提高106.3%, 测试结果表明, 本文提出的融合方法融合效果更好, 具有一定的实用价值。

为了使可见光与红外融合图像能更好的表达目标信息, 联合非下采样Shearlet变换与剥离策略, 对其进行融合。首先, 借助非下采样Shearlet变换, 获取可见光与红外图像的高、低频成分。然后, 通过Otsu阈值分割方法来构建剥离策略, 将红外图像中的目标层与其背景层进行剥离, 并以目标层为基础, 利用图像的区域能量特征, 对可见光图像与红外图像背景层的低频系数进行加权计算, 并将结果与红外图像的目标层结合, 以得到富含目标内容和背景内容的融合低频系数。引入区域方差函数, 对图像的细节特征进行测算, 通过构造方差加权因子, 得到富含细节特征的融合高频系数。最后, 对两个融合系数实施非下采样Shearlet逆变换, 从而输出融合图像。实验结果显示, 本算法融合的图像, 比现有融合算法融合的图像更具优良的目标及细节表达能力, 可用于获取高质量的可见光与红外融合图像。

对小波基分类是图像融合中依据不同融合需求选择小波基的基础, 可以提高图像融合的智能化水平。针对现有的小波基分类方法仅根据小波自身特性进行分类, 没有从统计角度有效建立小波基和图像差异特征之间的联系, 本文提出了面向图像差异特征融合的基于弗里德曼检验的小波基分类方法。首先, 选择典型的差异特征和小波基用于分类研究; 其次, 选择针对差异特征的评价指标, 以评价指标结果作为标记量并进行分类实验的区组设计; 然后, 采用弗里德曼检验对不同区组数据进行处理及执行相应的后续检验和分类步骤, 形成面向图像差异特征的小波基类集; 最后, 设计对比实验对分类方法的有效性进行验证和分析。试验结果表明, 该分类方法能有效把对图像差异特征融合效果相近的小波基归为一类, 能根据融合需求选择较好的小波基。