Para resolver los problemas de pérdida de información y redundancia de datos debido a las herramientas de descomposición multiescala en la fusión de imágenes térmicas y visibles, lo que conlleva problemas de deterioro de los detalles y los bordes de la imagen, este artículo propone un algoritmo de fusión de imágenes térmicas y visibles que utiliza el modelo de descomposición multiescala híbrida (HMSD) y la red neural pulsante acoplada mejorada (PCNN). En primer lugar, basándose en las características comunes del filtrado guiado alternante rápido (FAGF) y el filtro gaussiano (GF), se propone un nuevo modelo de descomposición multiescala híbrida (HMSD), donde la imagen de origen se descompone utilizando el modelo HMSD en una capa base y tres capas de características, y cada capa de características contiene una estructura doble fina y gruesa. Luego, la fusión de la capa base utiliza la regla de minimización de la norma nuclear (NNM), y la decomposición de la energía zonal se aplica a cada capa de características. Los resultados experimentales muestran que el método propuesto en este artículo aumenta en promedio varios índices de evaluación objetivos, como la frecuencia espacial, la entropía de la información, la calidad de la fusión, la relación señal-ruido máxima, la fidelidad visual y la desviación estándar en un 47,6 %, 5,2 %, 6,4 %, 9,4 %, 5,3 %, 27,3 %, no solo conservando bien la información de los bordes y la textura de la imagen de origen, sino también mejorando su efecto visual.

image fusion;infrared and visible;mixed multi-scale decomposition;fast alternating guided filtering;pulse coupled neural network