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。

本文介绍了一种用于弱环境辐射下红外中、短波双波段的红外图像融合方法。该方法先采用单尺度 Retinex（Single Scale Retinex，SSR）方法处理短波图像，分别对处理后的短波图像和 中波图像采用均值滤波和双边滤波得到细节层和背景层，再利用基于 Spectral Residual（SR）显著性和引导滤波的权重映射，对短波图像和中波图像的细节层和背景层进行加权融合，得到融合图 像。经过实验仿真，并与基于小波、拉普拉斯金字塔的多种算法做了比较，该方法在各场景下的主观与客观评价均表现良好。

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。