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。

为了使融合后的多聚焦图像细节特征丰富且边缘清晰,提出一种基于快速有限剪切波变换(FFST)与引导滤波的图像融合算法。利用FFST将源图像分解为低频系数和高频系数。在融合低频系数时,定义一种改进的拉普拉斯能量和(NSML),并设计一种基于区域NSML的低频系数选择方案;针对高频系数富含细节信息的特点,提出一种基于引导滤波的区域能量加权融合算法。然后,通过逆FFST获取最终的融合图像。对比实验结果表明,所提算法在主观视觉效果与客观评价指标方面都取得了较好的结果。

为了提高多聚焦图像的融合精度, 结合有限离散剪切波变换(FDST)良好的局部化特性及平移不变性, 提出了一种基于有限离散剪切波变换与改进对比度相结合的图像融合新算法。对经过严格配准后的多聚焦图像进行FDST分解, 得到低频子带系数和不同尺度不同方向的高频子带系数; 对低频子带系数采用区域平均能量匹配度自适应融合算法, 高频子带系数的选取则根据低频与高频系数关联得到的对比度进行融合; 应用有限离散剪切波逆变换重构得到融合图像, 并对融合结果进行主观视觉和客观评价。通过仿真实验, 算法在主观视觉效果上有着明显的优越性。在不同融合算法比较的融合结果中, 熵值、互信息量和边缘相似度分别平均提高了1.4%、34.6%和8.0%, 各项客观评价指标优于其他算法。

针对现有红外与可见光图像融合算法中易出现目标信息丢失或 减弱的情况，提出了一种基于非下采样Contourlet变换和改进型脉冲耦合神经网络的 融合算法。该算法首先对经过预处理和图像配准后的红外和可见光图像进行非下采样 Contourlet变换，分别得到两幅图像的高频系数和低频系数；其次，采用改进型脉冲 耦合神经网络对源图像高频系数进行融合，用区域能量最大处理低频系数；最后，对 融合后的系数进行非下采样Contourlet反变换，得到融合后的图像。实验结果表明， 本文算法在主观视觉上显示了更多的图像细节信息，同时客观数据指标也有不同程度 的提升。

为了提高多模医学图像或多聚焦图像的融合性能, 结合shearlet变换能够捕捉图像细节信息的性质, 提出了一种基于shearlet变换的图像融合算法。首先, 用shearlet变换将已精确配准的两幅原始图像分解, 得到低频子带系数和不同尺度不同方向的高频子带系数。低频子带系数使用改进的加权融合算法, 用平均梯度来计算加权参量, 以此来改善融合图像轮廓模糊度高的问题, 高频子带系数采用区域方差和区域能量相结合的融合规则, 以得到丰富的细节信息。最后, 进行shearlet逆变换得到融合图像。结果表明, 此算法在主观视觉效果和客观评价指标上优于其它融合算法。

对矩形和圆形区域中各像素进行亚像素划分,确定各亚像素的权值,得到基于亚像素的综合加权区域能量。融合算法首先对源图像进行金字塔分解,然后对金字塔的高频细节分量使用基于亚像素加权区域能量特征的融合规则取大,对低频粗糙分量取平均,得到融合图像的塔形分解,最后重构融合图像。仿真结果表明,新算法融合效果较常规的区域能量特征作为融合规则的多分辨率图像融合算法效果更好,从清晰度和熵的评价来看,提高了融合图像的品质。