由于谱图小波变换(Spectral Graph Wavelet Transform, SGWT)可充分利用图像在图域中的光谱 特性, 本文结合其对不规则小区域表达的优势, 提出了一种基于多显著性的红外与可见光融合算法。 首先应用 SGWT 将源图像分解成一个低频子带和若干个高频子带; 对于低频系数, 将多个互补的低 层特征结合起来, 提出了一种适合人眼视觉特征的多显著性融合规则, 对于高频系数, 充分考虑邻域 像素的相关性, 提出了一种区域绝对值取大规则; 最后, 应用了一种加权最小二乘优化(weighted least squares, WLS)方法对谱图小波重构的融合图像进行优化, 在突出显著目标的同时尽可能多地保留可 见光的背景细节。实验结果表明, 与 DWT( Discrete Wavelet Transform)、NSCT( Non-down Sampled Contourlet Transform)等7种相关算法相比, 在突出红外目标的同时还能保留更多的可见光背景细节, 具有较好的视觉效果; 同时在方差、熵、Qabf和互信息量4个客观评价上也均占据优势。

针对基于压缩感知理论的红外图像重建问题,提出一种基于改进的分块压缩感知红外图像重建方法。该方法首先对原始红外图像进行分块,并对每个子块用相同的观测矩阵进行随机观测,获得少量的观测数据;然后利用谱图小波变换优异的稀疏特性,将其引入平滑投影Landweber算法进行迭代优化重建,同时采用混合中值滤波进行处理以增加图像的平滑度和减少块伪影,最后输出满足要求的高质量红外图像。实验结果表明,在相同采样率下,该方法对于不同类型红外图像的重建性能均优于目前广为采用的一些小波压缩感知方法,可获得更高质量的红外图像。