Pour résoudre les problèmes de perte d'information et de redondance des données dus aux outils de décomposition multiscalaire lors de la fusion d'images thermiques et visibles, entraînant des problèmes de dégradation des informations de bord et de détail, cet article propose un algorithme de fusion d'images thermiques et visibles utilisant le modèle de décomposition multi-échelles hybride (HMSD) et le réseau neuronal couplé aux impulsions amélioré (PCNN). Tout d'abord, en exploitant les caractéristiques communes du filtrage guidé alternatif rapide (FAGF) et du filtre gaussien (GF), un nouveau modèle de décomposition multi-échelles hybride (HMSD) est proposé, où l'image source est décomposée à l'aide du modèle HMSD en une couche de base et trois couches de caractéristiques, chaque couche de caractéristiques contenant une structure fine et grossière. Ensuite, la fusion de la couche de base utilise la règle de minimisation de la norme nucléaire (NNM), et la décomposition de l'énergie de zone est appliquée à chaque couche de caractéristiques. Les résultats expérimentaux montrent que la méthode proposée dans cet article augmente en moyenne plusieurs critères d'évaluation objectifs tels que la fréquence spatiale, l'entropie de l'information, la qualité de la fusion, le rapport signal-bruit maximal, la fidélité visuelle et l'écart-type de 47,6 %, 5,2 %, 6,4 %, 9,4 %, 5,3 %, 27,3 %, non seulement en préservant bien les informations de bord et de texture de l'image source, mais aussi en améliorant son effet visuel.

image fusion;infrared and visible;mixed multi-scale decomposition;fast alternating guided filtering;pulse coupled neural network