基于自适应金字塔滤波器的红外与可见光图像融合技术

1. 项目概述

红外与可见光图像融合技术在安防监控、自动驾驶、军事侦察等领域具有重要应用价值。传统融合方法存在细节丢失、伪影等问题，而基于新型金字塔滤波器的非对称自适应多尺度分解方法通过改进滤波器设计和分解策略，显著提升了融合质量。本文将详细介绍该方法的核心原理、实现步骤和Matlab实践。

2. 核心原理解析

2.1 新型金字塔滤波器设计

传统金字塔滤波器（如高斯金字塔、拉普拉斯金字塔）在图像处理中存在明显局限性：

• 高斯低通滤波导致边缘模糊
• 下采样操作造成信息丢失
• 固定滤波核难以适应复杂图像特征

新型金字塔滤波器的创新之处在于：

1. 多方向滤波核设计：采用8个方向的Gabor-like滤波器组，角度间隔22.5°，每个方向的滤波核表达式为：

   matlab复制gb(x,y,θ) = exp(-(x'²+γ²y'²)/(2σ²)) * cos(2πx'/λ)
   

   其中x'=xcosθ+ysinθ，y'=-xsinθ+ycosθ，γ=0.5控制椭圆率，σ=2决定带宽，λ=3.5设置波长。

2. 自适应尺度选择：通过分析图像局部方差动态调整滤波尺度：

   matlab复制σ_adapt = σ_base * (1 + log(1 + var(patch)/var_global))
   

   其中var(patch)是局部区域方差，var_global是全局图像方差。

3. 频带交叠控制：采用Mel-scale频带划分，确保各尺度间有适当重叠：

   matlab复制f_center = 700*(10.^(0.15*(1:n_scales))-1)
   

2.2 非对称自适应分解策略

针对红外和可见光图像的特性差异，采用不同的分解策略：

红外图像处理

1. 分解层数：3层
2. 滤波核大小：从15×15开始，每层递减2像素
3. 特征保留：优先保留温度突变区域（边缘检测阈值设为0.2*max(∇T)）
4. 自适应调整：对低对比度区域(ΔT<5K)减少分解层数

可见光图像处理

1. 分解层数：5层

2. 滤波核大小：从7×7开始，每层递减1像素

3. 纹理增强：采用局部对比度归一化(LCN)预处理：

   matlab复制I_norm = (I - μ)/(σ + ε)
   

   其中μ为15×15邻域均值，σ为标准差，ε=0.01防止除零

4. 自适应调整：对高纹理区域(var>threshold)增加分解层数

3. 融合算法实现

3.1 分解阶段实现

matlab复制function [pyramid] = adaptivePyramidDecomposition(img, isInfrared)
    % 参数初始化
    if isInfrared
        n_levels = 3;
        base_size = 15;
    else
        n_levels = 5; 
        base_size = 7;
    end
    
    pyramid = cell(n_levels,1);
    current_img = img;
    
    for lvl = 1:n_levels
        % 自适应滤波核生成