一、项目信息

1. 项目类型：创新训练项目；

2. 项目编号：202110323042；

3. 项目成员信息：童童、戴之乐、姜寒雪、魏新宇、单光耀，2019级、计算机科学与技术专业；

4. 立项年份：2021年；

二、指导教师简介

郭立强、副教授、图像处理；

三、项目简介

本项目主要进行红外与可见光图像融合算法研究，致力于提取可见光图像的纹理细节信息和红外图像的显著性特征，并将二者融合到一幅图像中，在实现优势互补的同时减少冗余信息。本项目的研究可广泛地应用于智慧城市、遥感影像和计算机视觉等人工智能领域，具有重要的理论和应用价值。

四、图片（含图表）

       图为融合系统GUI界面           图为不同算法的评价结果

五、项目创新点

本项目致力于红外和可见光的图像融合技术的研究，着力改善现有算法融合结果存在边缘不清晰、对比度不高、细节丢失等问题。本项目在多分辨率分析的基础上，结合SUSAN边缘检测和基于对比度拉伸的方式很好的解决了上述问题，所得到的融合图像具有更好的视觉感知效果。

六、项目实施及成果

本项目发表论文1篇，授权软件著作权1项。

完成《基于NSCT和对比度拉伸的红外与可见光图像融合算法》，该算法首先对源图像进行NSCT分解得到高低频子带。然后对包含噪声和细节的高频子带，采用绝对值取大和窗口系数绝对值取大的高频融合规则，有效地降低图像噪声；对包含图像轮廓信息及源图像大部分能量的低频子带，采用改进的基于局部拉普拉斯能量的低频融合规则，更好地保留图像的能量以及边缘细节信息，再通过NSCT算法得到初步融合图像。为了更好的保留融合图像中的边缘信息，采用SUSAN算子对源图像进行边缘检测，再将边缘信息进行对比度拉伸，然后进行NSCT变换来获取边缘融合图像，接下来重复执行对比度拉伸和NSCT算法，将初步融合图像和边缘融合图像进行整合，得到最终的融合图像。实验结果表明，该算法融合所得的图像边缘清晰，细节信息更为丰富。

授权《红外与可见光图像融合实验系统v1.0》软件著作权。该系统包含图像融合结果界面、图像融合算法对比界面、柱状图显示界面。通过该系统，用户可以进行红外与可见光图像的融合，并比对不同图像融合算法间的区别。该系统支持五个客观评价指标：VIFF、EN、AG、EI、FD。该系统可以用于显示不同红外与可见光图像算法融合后的图像，并生成柱状图和表格，形象直观地比对各种算法之间的差异和优劣。