针对当前红外(IR)与可见光(VI)图像融合中细节保留能力不足及目标配准精度不高的问题, 设计了一种多尺度2D经验模态分解耦合非下采样方向滤波器组(NSDFB)的红外与可见光图像融合算法。分别计算红外与可见光图像的熵值, 并比较二者阈值的大小, 计算阈值较大图像的残差。通过2D经验模态分解(2D-EMD)和NSDFB机制, 构建了多尺度方向分解模型, 将熵值较大图像的残差和熵值较小的图像变换为高频方向系数与低频系数, 以获得源图像的细节和特征信息。对于低频系数, 引入加权平均作为低频系数的融合准则; 根据区域能量对比度与清晰度来定义融合规则, 完成高频系数的融合。利用2D-EMD多尺度分解逆变换将获取的低频与高频系数生成新图像。实验表明: 与当前常用红外与可见光图像融合对比, 所提算法具有更高的融合质量, 所输出的图像具有更好的对比度与丰富的细节信息。

针对传统图像融合方法容易导致融合图像出现细节不明显和目标信息不完整的问题, 本文提出一种基于二维局部均值分解( Bidimensional Local Mean Decomposition, BLMD) 和非下采样方向滤波器组(Nonsubsampled Directional Filter Banks, NSDFB) 算法的红外与可见光图像融合方法(基于方向滤波的二维局部均值分解法, Bidimensional Local Mean Decomposition based Directional Filtering Analysis, BLMDDFA) 。首先, 计算两幅原始图片的熵值, 同时提取熵值较大的图片的残余分量, 该残余分量与另一张原始图片有着较强的相关性。然后, 通过 BLMD和 NSDFB算法将残余分量和熵值较小的原始图片分解成低频子带和一系列不同尺度的高频方向子带, 并使用不同的融合规则分别对低频子带和高频子带进行融合。最后, 通过相应的逆变换运算获得融合图像。实验结果表明, 本文方法的融合性能在对比度、细节信息展示和目标突出方面均高于经典的融合算法, 在信息熵、标准差、空间频率和平均梯度方面较 Laplacian方法中各指标分别提高了 5.6%、28.9%、37.4%和 47.6%, 信噪比较 Laplacian方法降低了 8.5%。

为了解决红外与可见光图像融合时信息容易相互干扰、影响融合质量的问题, 将引导滤波、高斯低通滤波与非下采样方向滤波器组相结合, 提出一种新的图像融合方法。利用引导滤波和高斯低通滤波, 将源图像分解为低频近似部分、强边缘部分和高频细节部分, 并将高频细节部分进行非下采样方向滤波, 进一步得到高频方向细节部分; 对低频近似部分应用基于局部区域能量的融合规则, 对强边缘部分提出一种基于卷积稀疏表示的融合规则, 对高频方向细节部分提出改进的脉冲耦合神经网络的融合规则, 得到相应的融合部分, 并通过逆变换得到最终的融合图像。对多组红外与可见光图像的实验结果表明, 算法得到的融合结果的主观视觉效果和客观评价指标均优于传统的图像融合方法, 其客观评价指标中的标准差、信息熵、互信息、平均梯度和空间频率相比融合效果较好的基于离散小波变换和稀疏表示的融合方法平均提高20.28%、2.24%、47.41%、5.34%、8.02%。

基于引导滤波和非下采样方向滤波器,提出了一种多尺度方向引导滤波图像融合方法,该方法兼具边缘保持特性和方向信息提取能力,能够有效提取源图像的有用信息。所提方法对源图像进行多尺度方向引导滤波,得到了包含低频近似部分和强边缘部分的低频分量,而后通过高斯低通滤波将其进行有效分离,分别应用基于卷积稀疏表示和区域能量自适应加权平均的融合规则;对高频细节方向分量应用显著性与引导滤波相结合的融合规则,以保持空间一致性,得到了相应的高频细节融合分量。结果表明,所提方法能更好地提取源图像的目标特征信息,保留丰富的背景信息,客观评价指标优于现有方法,融合结果具有更好的主观视觉效果。

基于对比度塔形分解(CP)的图像融合方法具有良好的物理意义,却没有强调方向性的不足,为此 提出了一种具有方向性的对比度金字塔图像融合方法。对多聚焦图像进行对比度塔形分解,利用方向 滤波器组对高频加方向,得到不同方向的高频子分量。根据不同频率域特点,采用低频分量系数取加 权平均、高频分量系数绝对值取大的融合规则,对分解后的子图像进行融合。结果表明:用提出方法 得到的融合图像有较高的清晰度和空间分辨率。与基于CP和基于离散小波变换(DWT)的 融合方法相比,提出的方法既能保持对比度的含义,又可提供2n个方向信息。

提出了一种结合金字塔对偶树方向滤波器组(PDTDFB)变换域高斯尺度混合模型及非局部均值滤波的图像去噪方法。首先,建立了含噪图像的PDTDFB系数的局部高斯尺度混合模型,应用贝叶斯最小二乘法估计出去噪图像的PDTDFB系数;然后,通过PDTDFB逆变换重构得到初步去噪的图像;最后,采用非局部均值滤波平滑人工效应,从而获取最终的去噪图像。该方法充分利用了PDTDFB变换具有近似平移不变性、多尺度多方向选择性和对图像纹理边缘等细节信息的高效表示能力,以及高斯尺度混合模型对PDTDFB系数的邻域相关性的概括能力。实验结果表明：与目前几个典型的去噪方法相比较,该方法使信噪比提高了0.3~3 dB,视觉效果也有明显的改善。另外,该方法不仅能有效地去除含噪图像中的噪声,同时也有效地保留了原始图像中的边缘和纹理等细节信息。

针对弱小目标检测技术的难点, 根据红外图像中目标和背景杂波的特性, 提出了一种基于非下采样方向滤波器组的红外地面背景抑制方法。首先, 采用非下采样方向滤波器组对图像进行多方向分解, 提取图像方向细节特征, 然后, 根据目标和背景杂波信号的差异, 通过将基于傅里叶变换域的频域调整策略应在于分解后各方向子带, 从而将红外图像中弱小目标和背景杂波分离, 达到抑制背景的目的, 最后采用经典的自适应阈值分割技术得到目标点, 最终实现对目标的检测。实验结果显示, 与最大中值滤波和局部去均值滤波方法相比较, 该方法能有效地检测出信杂比较低的目标。

轮廓波变换的显著特点是拉普拉斯塔式(LP)滤波器的过采样和非正交性，小波变换的显著特点是在保持临界采样的情况下变换后每个尺度上只提供三个方向。本文将小波变换与轮廓波变换相结合，首先对待处理图像实施小波变换，然后对低频子带图像进行重建，进而可得到一个高频子带图像。此方法既保持了临界采样又利于后面使用方向滤波器组来对高频部分进行方向划分。实验证明此方法能更有效地消除图像噪声并得到比小波和轮廓波变换更高的PSNR。

一般的轮廓波变换只对信号的低频部分进行分解，却忽略了信号的高频部分，因而丢失了丰富的细节和纹理信息，为了克服这种缺陷，本文利用解析的双树复小波包变换和非抽样方向滤波器组，构造了复轮廓波包变换，并提出一种基于相邻系数阈值分类的复轮廓波包图像去噪算法.新的变换除了具有多分辨率、局部性、多方向性和各向异性的特点外，还具有平移不变性和更丰富的方向分量.仿真试验结果表明，构造的复轮廓波包变换能够有效地抑制伪Gibbs现象，并且保护更多的边缘和纹理等细节，其PSNR值和视觉质量均优于一般的去噪方法.

设计了具有45°和135°方向的二维棋盘形滤波器对.通过棋盘形滤波器对，输入图像被分解为两幅子图像,且二维余弦调制滤波器组被分别应用到每幅子图像.这种结构等效于一个冗余比为2的新的方向滤波器组.新的方向滤波器组具有良好的方向和频率选择性.将双重局部维纳滤波算法和新的方向滤波器组相结合，提出了一种新的图像去噪算法.实验结果表明：对于含有丰富纹理的图像，本文提出的算法获得了明显的去噪性能改善.