摘要: 针对于现阶段变电设备巡检图像融合技术以及图像融合效果不佳的问题，采用一种基于非下采样剪切波变换（Non-subsampled Shearlet Transform,NSST）的可见光与红外光图融合算法。基于非下采样剪切波变换算法的可见光与红外图像融合算法采用快速NSST分解方法对红外与可见光图像进行尺度分解，快速NSST分解方法通过非下采样金字塔滤波器组产生相应的滤波器，再通过卷积结果对源图像进行滤波，直接生成子带图像。此外，本文采用了基于边缘保持的融合规则用于红外与可见光图像融合。低频系数融合规则选用基于标准差的区域特性量测方法，有效地突出了低频子带图像中的轮廓信息和目标特征信息；高频系数融合规则选用一种最高频系数融合和外部激励信息结合的方法，最高频系数是一种对区域能量取大的融合规则，目的是使融合结果中包含最明显地边缘信息，提高融合图像的视觉效果。外部激励信号主要是根据尺度分解的子带图像邻域特性作为模型的外部激励，然后对其子带图像赋予外部激励从而得到一系列高频子带图像对应的子带系数，通过对比子带图像中信息熵大小来选择最优的图像进行融合。实验结果表明，该算法能够有效地综合红外与可见光图像中的重要信息，融合效果要优于一般的基于Contourlet变换(Non-subsampled Contourlet Transform，NSCT) 的图像融合方法。