基于Tetrolet变换的红外和可见光图像融合

简介：
本研究提出了一种基于Tetrolet变换的创新方法，用于优化红外与可见光图像的融合效果，增强目标识别与场景理解能力。 为了应对当前红外与可见光图像融合过程中存在的速度慢、对比度低以及伪影问题，本段落提出了一种基于Tetrolet变换的改进型融合算法。具体步骤如下：首先将可见光图像转换至lαβ颜色空间以获取三个几乎无关的颜色通道；然后对这些通道中的l分量与红外图像分别执行Tetrolet变换，并采用邻域能量和接近度原则来处理低频系数，同时利用伪随机傅里叶矩阵观测高频Tetrolet系数并加权融合其数据。随后通过CoSaMP优化算法迭代重构出融合后的Tetrolet系数，再经由逆Tetrolet变换生成最终的灰度图像；最后将此灰度图转换至RGB颜色空间以获得完整的融合效果。实验结果显示了该方法的有效性。