적외선과 가시광 이미지 융합 과정에서 대상 물체의 경계에 가상 그림자가 발생하는 문제를 극복하기 위해 교대 그래디언트 필터와 개량된 펄스 결합 신경망(PCNN)에 기반한 이미지 융합 방법을 제안한다. 그래디언트 필터를 기반으로 구름 가이드 필터와 부드러운 반복 복원 필터를 결합한 교대 그래디언트 필터를 제안하였으며, 이는 작은 구조 제거, 국부 세기 유지 및 경계 복원을 동시에 수행할 수 있다. 교대 그래디언트 필터를 이용하여 원본 이미지를 근사층과 잔차층으로 분해한다. 근사층은 다중 스케일 형태학 연산자와 최대 영역 에너지와 원본 이미지를 결합한 융합 규칙을 채택하고, 잔차층은 개량된 파라미터 적응형 펄스 결합 신경망 융합 규칙을 사용하여 융합한다. 마지막으로 교대 그래디언트 필터를 통해 융합 결과 이미지를 재구성한다. 실험 결과, 다른 5가지 융합 방법과 비교했을 때 본 방법의 객관적 평가 지표인 평균 그래디언트, 표준 편차, 정보 엔트로피, 공간 주파수, 경계 강도 및 시각적 충실도가 각각 평균 18%, 10%, 2.8%, 16%, 51%, 11.2% 향상되었으며, 대상 물체 경계에서 가상 그림자를 방지하고 원본 이미지의 밝기, 경계, 세부 및 질감 정보를 잘 보존할 수 있음을 보였다.

영상 처리; 적외선 및 가시광 이미지 융합; 교대 그래디언트 필터; 다중 스케일 형태학 연산자; 펄스 결합 신경망