针对红外与可见光图像融合细节信息不够丰富、易出现伪影等问题,提出了一种结合脉冲耦合神经网络(PCNN)与引导滤波的红外与可见光图像融合方法。改进传统PCNN模型结构,在脉冲产生单元加入抑制项,避免像素重复点火对点火时间矩阵带来噪声;以原图为引导图像对点火时间矩阵T进行引导滤波,得到兼具显著信息与边缘细节信息的多区域加权划分矩阵;基于该多区域加权划分矩阵,对红外与可见光图像进行加权融合。同时,根据PCNN数学模型点火行为分析,提出了一种包含约束的PCNN模型参数设置方法,可降低PCNN模型参数设置的复杂度。实验结果表明该融合方法具有较高的融合效率,同时融合图像细节信息丰富,无明显伪影,交叉熵、空间频率指标相对于当前常用融合方法均较优。

超谱遥感图像包含了大量的波段,波段之间的相关性较高,采用信息融合技术可以降低超谱图像的分析难度。提出了一种结构新颖的第二代小波加权融合算法。首先将图像分解为两个序列,用2阶Neville滤波器构造预测和更新算子, 对两个序列以矩形栅格和梅花形栅格的格式进行交替预测和更新; 再以各个波段的方差作为融合的特征,进行特征级第二代小波加权融合,最后对图像进行第二代小波重构。为了验证新方法的有效性,采用机载可见光红外成像光谱仪超谱遥感图像进行仿真,并与典型融合方法主成分分析和离散小波变换的融合效果相比较。实验结果表明提出的第二代小波加权融合算法能够很好地保持图像的空间特性和光谱特性,其熵值高于主成分分析融合结果0.1949, 高于离散小波变换融合结果0.7998。