Для решения проблемы потери информации и избыточности данных при слиянии тепловых и видимых изображений из-за наличия инструментов разложения, таких как предложение модели многомасштабного разложения (HMSD) и улучшение импульсной сцепленной нейронной сети (PCNN) для алгоритма слияния тепловых и видимых изображений. Сначала, путем объединения характеристик быстрой смены направляющего фильтра (FAGF) и направляющего фильтра (GF), была предложена новая модель многомасштабного разложения (HMSD), исходное изображение анализируется с использованием модели HMSD на базовый слой и три слоя характеристик, каждый слой характеристик содержит двойную мелкую и грубую структуру. Затем, используется правило минимизации ядерной нормы (NNM) для слияния базового слоя, и в соответствии с характеристиками каждого изображения характеристик, используется улучшение импульсной сцепленной нейронной сети и правило энергетического слияния. Результаты эксперимента показывают, что наш метод в среднем увеличился на 47,6% по пространственной частоте, на 5,2% по информационной энтропии, на 6,4% по качеству слияния, на 9,4% по максимальному отношению сигнала к шуму, на 5,3% по визуальной качественной достоверности и на 27,3% по стандартному отклонению, не только хорошо сохраняются края и текстуры исходного изображения, но и улучшается визуальный эффект.

слияние изображений;тепловые и видимые;многомасштабное разложение;быстрая смена направляющего фильтра;импульсная сцепленная нейронная сеть