结合tetrolet与红外显著性特征提取的红外与可见光融合

针对红外与可见光图像融合过程中红外热目标不突出、纹理及边缘细节易缺失等问题，提出一种结合tetrolet变换域与红外显著目标特征提取的融合方法。首先，在SURF框架内构建基于HOG的特征点描述符实现红外与可见光图像的精确匹配；其次，基于贝塞尔面结合背景及目标进行自适应抑制完成红外目标显著性特征提取；接着，将处理后的红外与可见光图像通过tetrolet多尺度变换分解为低频和高频分量；然后，利用基于局部能量和相对亮度自适应规则对低频分量进行融合，对高频分量采用基于局部空间频率自适应融合规则；最后，将融合的低频分量与高频分量通过tetrolet逆变换，以获得最终的融合结果。实验结果表明，本文算法对不同场景下的红外与可见光图像的融合效果不但主观上具有显著的目标特征，同时背景纹理和边缘细节清晰，整体对比度适宜，运行时间较其它算法得到了明显提升，并且在客观评价指标上也取得了较好的效果。

Infrared and visible light images fusion based on tetrolet transform and infrared saliency feature extraction