赤外線画像と可視光画像の融合過程において、分解ツールの情報損失やデータ冗長性などの制約により、融合画像のエッジや細部情報が損なわれやすい問題を解決するために、ハイブリッド多尺度分解モデル（Hybrid Multi-scale Decomposition Model、HMSD）と改良されたパルス結合ニューラルネットワーク（Pulse Coupled Neural Network、PCNN）を用いた赤外線と可視光画像の融合アルゴリズムを提案する。まず、高速交互ガイドフィルタ（Fast Alternating Guided Filtering、FAGF）とガウスフィルタ（Gaussian Filter、GF）の特性を組み合わせ、新しいハイブリッド多尺度分解モデル（HMSD）を提案し、元画像をHMSDモデルで基底層と三つの特徴マップに分解する。各特徴マップは細かい構造と粗い構造の二重構造を含む。その後、基底層の融合には核ノルム最小化（Nuclear Norm Minimization、NNM）融合規則を用い、各特徴マップの特性に応じて改良パルス結合ニューラルネットワークおよび領域エネルギー融合規則を適用する。実験結果から、本手法は空間周波数、情報エントロピー、融合品質、ピーク信号対雑音比、視覚的忠実度、標準偏差など多くの客観的評価指標においてそれぞれ平均47.6%、5.2%、6.4%、9.4%、5.3%、27.3%向上し、元画像のエッジやテクスチャ情報を良好に保持するとともに視覚効果も向上したことが示された。

画像融合;赤外線と可視光;ハイブリッド多尺度分解;高速交互ガイドフィルタ;パルス結合ニューラルネットワーク