1 中北大学信息与通信工程学院，山西 太原 030051
2 太原科技大学应用科学学院，山西 太原 030024
针对SAR、红外和可见光图像的灰度差异性大，融合图像感兴趣目标不突出的问题，提出一种基于NSST 和稀疏表示的多源异类图像融合方法。首先将训练图像进行NSST 变换，在低频系数上构建多尺度学习字典；对SAR、红外和可见光图像进行NSST 变换，利用滑动窗口分解低频系数为图像块序列，对图像块序列零均值化后再稀疏分解，采用稀疏系数绝对值取大的融合规则；高频子带系数采用局部方向信息熵显著性因子取大的融合规则；最后对融合系数进行NSST 逆变换得到最终的融合图像。
图像融合 多尺度学习字典 稀疏表示 方向信息熵 image fusion NSST NSST multi-scale study dictionary sparse presentation directional entropy
