적외선과 가시광 이미지 융합 과정에서 분해 도구의 정보 손실 및 데이터 중복 등의 한계로 인해 융합 이미지의 경계 및 세부 정보가 손상되기 쉬운 문제를 해결하기 위해 혼합 다중 스케일 분해 모델(Hybrid Multi-scale Decomposition Model, HMSD)과 개선된 펄스 결합 신경망(Pulse Coupled Neural Network, PCNN)을 이용한 적외선과 가시광 이미지 융합 알고리즘을 제안한다. 먼저, 빠른 교대 유도 필터(Fast Alternating Guided Filtering, FAGF)와 가우시안 필터(Gaussian Filter, GF)의 특성을 결합하여 새로운 혼합 다중 스케일 분해 모델(HMSD)을 제안하며, 원본 이미지를 HMSD 모델로 기본 층과 세 개의 특징 맵으로 분해하는데 각 특징 맵은 미세 및 거친 이중 구조를 포함한다; 이후 기본 층 융합은 핵 노름 최소화(Nuclear Norm Minimization, NNM) 융합 규칙을 적용하며, 각 특징 맵 특성에 따라 개선된 펄스 결합 신경망과 영역 에너지 융합 규칙을 각각 사용한다. 실험 결과 본 방법은 공간 주파수, 정보 엔트로피, 융합 품질, 피크 신호 대 잡음비, 시각적 충실도 및 표준 편차 등 다양한 객관적 평가 지표에서 각각 평균 47.6%, 5.2%, 6.4%, 9.4%, 5.3%, 27.3% 향상시켰으며, 원본 이미지의 경계와 질감 정보를 잘 보존할 뿐만 아니라 시각적 효과도 향상시켰다.

이미지 융합;적외선과 가시광;혼합 다중 스케일 분해;빠른 교대 유도 필터;펄스 결합 신경망