基于SCM和CST的红外与可见光图像融合算法

针对红外与可见光图像的成像特点及目前红外与可见光图像融合中融合图像信息量不足的问题，结合复剪切波变换（Complex Shearlet transform，CST）及脉冲发放皮层模型（Spiking cortical model，SCM）的优点，本文提出了一种新的红外与可见光图像融合算法。首先，利用红外图像目标与背景灰度的显著差异，通过区域生长方法从红外图像提取目标区域；然后用CST对源图像进行分解，对源图像的目标区域和背景区域系数分别采用不同的融合规则进行融合，其中背景区域的高频子带系数利用SCM进行选择；最后，经过CST逆变换重构融合图像。研究结果表明，与其它的红外与可见光图像融合算法相比，本方法在视觉效果和客观评价指标上都得到了提升。