在红外线与可见光图像的融合过程中, 经常会出现融合图像细节方面缺失的情况。为了解决这一问题, 采用了改进的非下采样轮廓波变换(NSCT)图像融合算法, 融入动态的加权非负矩阵分解规则(WNMF), 对图像进行融合处理。结果表明,利用非下采样轮廓波变换算法对两幅源图像进行多尺度多方向的分解, 可得到低频与高频部分; 动态的WNMF融合规则作为低频部分的融合规则; 高频部分中最高层的分解尺度采用绝对值取大的方法;高频部分其它各层则设定匹配度阈值;低于阈值时, 使用基于区域能量匹配度的区域方差选大的方法; 如果高于阈值时, 采用加权平均的方法进行; 通过对低频部分与高频部分的处理, 用NSCT逆变换方式获得了融合图像。该方法有效提高了融合图像清晰度, 凸显了其细节信息, 缩短了所需的计算时间。

为了在红外与可见光图像融合时保留各自更多的细节信息, 同时降低算法复杂度, 采用了非下采样剪切波变换(NSST)和改进模糊逻辑的红外与可见光图像融合方法, 利用NSST算法对红外图像和可见光图像分别进行多尺度、多方向稀疏分解, 分别得到低频子带系数和高频子带系数。然后对低频子带系数采用基于改进的模糊柯西隶属函数的权值平均融合规则; 对高频子带系数采用能量匹配度和视觉敏感度系数相结合的融合规则。最后对低频子带融合系数和高频子带融合系数执行NSST逆变换得到最终的融合图像,并进行了理论分析和实验验证。结果表明, 此融合方法不仅可以保证融合清晰度, 对缩短算法的运行时间也是有帮助的。