赤外線および可視光画像の融合プロセスにおいて、分解ツールの情報損失やデータの冗長性により、融合画像のエッジと詳細情報が簡単に損なわれる問題を解決するため、混合マルチスケール分解モデル（Hybrid Multi-scale Decomposition Model、HMSD）と改善されたパルス結合ニューラルネットワーク（Pulse Coupled Neural Network、PCNN）に基づく赤外線および可視光画像融合アルゴリズムを提案します。まず、高速交互案内フィルタ（Fast Alternating Guided Filtering、FAGF）とガウシアンフィルタ（Gaussian Filter、GF）の特性を組み合わせ、新しい混合マルチスケール分解モデル（HMSD）を提案し、ソース画像はHMSDモデルを使用して基本レイヤーと3つの特徴マップに分解され、各特徴マップには微細と粗の二重構造が含まれています。その後、基本レイヤーの融合には核正規化最小化（Nuclear Norm Minimization、NNM）融合ルールを使用し、各特徴マップについて改善されたパルス結合ニューラルネットワークと領域エネルギー融合ルールをそれぞれ適用します。実験結果は、本文の手法が空間周波数、情報エントロピー、融合品質、ピーク信号対雑音比、視覚的な真実度および標準偏差など多様な客観評価指標でそれぞれ平均して47.6％、5.2％、6.4％、9.4％、5.3％、27.3％向上し、ソース画像のエッジとテクスチャ情報を効果的に保持するだけでなく、視覚効果も向上していることを示しています。

画像融合; 赤外線と可視光; 混合マルチスケール分解; 高速交互案内フィルタ; パルス結合神経ネットワーク