Para resolver el problema del daño en los bordes e información de detalles en la imagen fusionada entre imágenes infrarrojas y visibles, debido a pérdida de información y redundancia de datos por las limitaciones de las herramientas de descomposición, se propone un modelo híbrido de descomposición multiescala (Hybrid Multi-scale Decomposition Model, HMSD) y un algoritmo de fusión de imágenes infrarrojas y visibles basado en una red neuronal de pulsos acoplados mejorada (Pulse Coupled Neural Network, PCNN). Primero, combinando las características del filtrado guiado alternado rápido (Fast Alternating Guided Filtering, FAGF) y el filtro gaussiano (Gaussian Filter, GF), se propone un nuevo modelo híbrido de descomposición multiescala (HMSD), donde la imagen fuente se descompone en una capa base y tres capas de características, cada capa conteniendo una estructura dual fina y gruesa; luego, la fusión de la capa base utiliza la regla de fusión de minimización de la norma nuclear (Nuclear Norm Minimization, NNM), y para las características de cada capa se usan la red neuronal de pulsos acoplados mejorada y la regla de fusión de energía regional respectivamente. Los resultados experimentales muestran que el método propuesto mejora en promedio un 47.6%, 5.2%, 6.4%, 9.4%, 5.3% y 27.3% en varios indicadores de evaluación objetiva como frecuencia espacial, entropía de la información, calidad de fusión, relación señal-ruido pico, fidelidad visual y desviación estándar, no solo manteniendo bien los bordes y las texturas de las imágenes fuente, sino también mejorando el efecto visual.

fusión de imágenes;infrarrojo y visible;descomposición multiescala híbrida;filtrado guiado alternado rápido;red neuronal de pulsos acoplados