使用多尺度定向非局部均值滤波器的红外与可见光图像融合

红外与可见光图像融合技术是图像分析和计算机视觉领域的一个重要研究方向，它旨在将不同图像源的互补信息结合起来，形成一幅融合图像。为了高效地表示源图像的重要信息并选择合理的融合规则，本文提出了一种采用多尺度定向非局部均值滤波器（Multi-scale Directional Non-local Means，MDNLM）的方法来进行红外与可见光图像的融合。 非局部均值滤波器（Non-local Means，NLM）是一种保留边缘信息的图像去噪方法，通过对图像的全局像素相似性进行加权平均来实现。NLM方法通过寻找图像中与当前处理像素具有相似邻域的像素来去除噪声，是一种有效的非线性空间滤波器。而在图像融合的背景下，NLM滤波器的核心优势在于能够保护图像的边缘和细节，这对于维持图像的结构信息非常重要。 定向滤波器（Directional Filter Bank，DFB）是一种能够捕捉图像方向信息的工具。它通过分解图像为具有不同方向性的子带，可以帮助我们更好地理解图像的内在几何结构。DFB通常用于多方向信号的表示和分析，尤其在图像处理中，可以有效地区分和提取图像中的方向性特征。 在本文提出的MDNLM滤波器中，将非局部均值滤波器和定向滤波器的优点结合起来，形成了一个能够进行多尺度、多方向和平移不变的图像分解方法。它不仅能够保留图像的边缘信息，还能有效地捕捉到图像的方向性信息，从而更加全面地表示图像的内在几何结构。 为了实现图像融合，本文首先利用MDNLM方法将源图像分解成近似子带和方向细节子带。随后，采用了局部邻域梯度加权融合规则和局部八阶相关性融合规则分别对近似子带和方向细节子带进行融合。通过逆向MDNLM变换得到最终的融合图像。 为验证所提方法的有效性，研究人员对不同图像集进行了对比实验。实验结果表明，与传统和近期提出的融合方法相比，本文所提出的方法在视觉效果和客观评价方面均具有优越性。这一成果对于改善红外与可见光图像融合质量具有重要意义，并有助于进一步推动相关领域内的图像处理技术发展。 本文的研究成果发表在《Applied Optics》（应用光学）杂志上，卷号为54，第13期，发表日期为2015年5月1日。文中引用了多种相关的光学学会代码（Optics Society of America's Codes），如图像处理（Image processing）、图像变换和模式识别（Pattern recognition, image transforms）、非线性空间滤波器（Pattern recognition, nonlinear spatial filters）以及融合技术（Fusion）等方面的技术分类代码。 整体而言，本文的研究为红外与可见光图像融合提供了一种创新的方法，并通过实验验证了其有效性，这不仅有助于提升图像融合的质量，也为今后的图像分析和计算机视觉领域研究提供了重要的参考和启示。