적외선 및 가시광 이미지의 융합 프로세스에서 분해 도구의 정보 손실과 데이터 중복으로 인해 융합 이미지의 가장자리 및 세부 정보가 쉽게 손상되는 문제를 해결하기 위해 혼합 다중 스케일 분해 모델 (Hybrid Multi-scale Decomposition Model, HMSD) 및 개선된 펄스 결합 신경망 (Pulse Coupled Neural Network, PCNN) 기반적인 적외선 및 가시광 이미지 융합 알고리즘을 제안합니다. 먼저, 빠른 교대로 안내 필터 (Fast Alternating Guided Filtering, FAGF) 및 가우시안 필터 (Gaussian Filter, GF)의 특성을 결합하여 새로운 혼합 다중 스케일 분해 모델 (HMSD)을 제안하였고, 원본 이미지는 HMSD 모델을 사용하여 기본 계층과 3 개의 특징 맵으로 분해되며, 각 특징 맵은 미세 및 거친 이중 구조를 포함합니다. 그런 다음, 기본 계층의 융합에는 핵 정규화 최소화 (Nuclear Norm Minimization, NNM) 융합 규칙을 사용하고 각 특징 맵에 대해 개선된 펄스 결합 신경망 및 영역 에너지 융합 규칙을 각각 적용합니다. 실험 결과는, 본 논문의 방법이 공간 주파수, 정보 엔트로피, 융합 품질, 피크 신호 대 잡음 비, 시각적인 진실성 및 표준 편차와 같은 다양한 객관 평가 지표에서 각각 평균적으로 47.6 %, 5.2 %, 6.4 %, 9.4 %, 5.3 %, 27.3 % 향상되었음을 보여주어 원본 이미지의 가장자리 및 질감 정보를 효과적으로 보존할뿐만 아니라 시각적 효과도 향상되었다.

이미지 융합; 적외선 및 가시광; 혼합 다중 스케일 분해; 빠른 교대로 안내 필터; 펄스 결합 신경망