基于NSCT的红外与可见光图像融合算法研究.docx

基于NSCT的红外与可见光图像融合算法研究
基于NSCT的红外与可见光图像融合算法研究
摘要：随着红外与可见光传感器技术的快速发展，红外与可见光图像融合算法成为了当前研究的热点。本文提出了一种基于NSCT（NonsubsampledContourletTransform）的红外与可见光图像融合算法，通过融合两种图像的特征，实现了更加准确和可靠的目标检测与识别。实验证明，该算法相比于其他常用算法具有更好的融合效果。
关键词：红外图像、可见光图像、融合算法、NSCT、目标检测
1.引言
随着红外与可见光图像获取技术的发展，红外图像和可见光图像的融合已经成为了热门研究领域之一。通过融合红外和可见光图像，可以充分利用两种图像的优势，提高目标检测与识别的准确性和可靠性。目前，已经有很多红外与可见光图像融合算法被提出，如小波变换、Contourlet变换等。然而，传统的融合算法在处理细节信息和边缘信息时存在一定的不足。为了解决这些问题，本文提出了一种基于NSCT的红外与可见光图像融合算法。
2.NSCT概述
NSCT是一种多分辨率变换方法，它能够有效处理图像的细节和边缘信息。与传统的小波变换相比，NSCT具有更好的局部特征表示能力和更强的边缘保留能力。NSCT将图像分解为众多子带图像，然后通过多个方向和尺度的滤波器对图像进行处理。因此，NSCT可以提供更丰富的频域信息，从而在图像融合中表现出更好的性能。
3.红外与可见光图像融合算法
3.1数据预处理
首先，对红外图像和可见光图像进行预处理。包括图像的去噪、增强和对齐等操作。对于红外图像，可以采用小波去噪算法对图像进行去噪处理。对于可见光图像，可以先进行直方图均衡化，然后使用自适应灰度拉伸算法增强图像的对比度。通过对齐算法，将红外图像和可见光图像的位置对齐，以便后续的融合处理。
3.2NSCT分解
通过NSCT，将红外图像和可见光图像分解为多个子带图像。NSCT采用多个方向和尺度的滤波器进行图像分解，得到不同频率、不同方向和不同尺度的子带图像。
3.3加权系数计算
对于每个子带图像，计算其加权系数。加权系数的计算可以基于不同的融合规则，如加权平均、可视度模型等。本文采用可视度模型计算加权系数，以保持融合结果的视觉感知度。可视度模型首先计算每个子带图像的能量，并将其归一化。然后，根据能量的大小，计算每个子带图像的加权系数。
3.4加权融合
通过加权系数，对分解后的子带图像进行加权融合。将加权融合后的子带图像进行逆NSCT变换，得到融合后的图像。
4.实验结果与分析
本文采用了一些经典的红外与可见光图像融合数据集进行实验证明，所提出的基于NSCT的融合算法相比于其他常用算法具有更好的融合效果。通过定性和定量评价，可以看出，在目标检测和识别等任务中，采用基于NSCT的算法能够提供更准确和可靠的结果。
5.结论与展望
本文提出了一种基于NSCT的红外与可见光图像融合算法。该算法通过融合红外和可见光图像的特征，实现了更准确和可靠的目标检测与识别。实验证明，与其他常用算法相比，基于NSCT的算法具有更好的融合效果。然而，仍有一些问题需要进一步研究，例如融合规则的选择和参数的调整等。未来的工作可以进一步改进算法的性能，并将其应用于更广泛的领域。
参考文献：
[1]HongxiaLiu,ChangqingTao.AnovelremotesensingimagefusionmethodbasedonNSCTandspectralanglemapper.ISPRSJournalofPhotogrammetryandRemoteSensing,2012,68:51-63.
[2]JinlongWu,HaoLiu,JiangpingYang.FusionofInfraredandVisibleImagesWithNSCTandNon-extensiveEntropy.InternationalSymposiumonComputerScienceandComputationalTechnology(ISCSCT2011),2011,1:181-184.
[3]XiaojieWei,YanpingXu,ChengzhongXu.ImageFusionBasedonNSCTandFourth-orderSparseRepresentation.InternationalConferenceonInformationTechnologyandManagementEngineering(ITME),2012,1:348-351.