Um die Probleme niedrigen Kontrasts, starken Verlusts von Details und Texturen in traditionellen Algorithmen sowie die Empfindlichkeit gegenüber Rauschen und geringe Anpassungs- und Störfestigkeit bei auf Signifikanzdetektion basierenden Algorithmen zu überwinden, wurde eine Methode zur Fusion von Infrarot- und sichtbaren Bildern basierend auf der verbesserten Frequenz-Tuning-(FT)-Signifikanzdetektion und der nicht herabgesetzten Kontur-Wellen-Transformation (NSCT) vorgeschlagen. Zunächst wird ein verbesserter Algorithmus zur Extraktion der Signifikanzkarte verwendet, um Infrarotbilder zu fokussieren und das Ziel vom Hintergrund zu unterscheiden. Anschließend werden Infrarot- und sichtbare Bilder mit NSCT in Hoch- und Niedrigfrequenzunterbänder zerlegt. Die Fusion der Niedrigfrequenzkoeffizienten erfolgt geleitet durch die berechnete Infrarot-Signifikanzgewichtskarte, wodurch der Kontrast zwischen Ziel und Hintergrund gut erhalten bleibt; im Hochfrequenzbereich wird die Auswahl anhand einer Regel der lokal gewichteten Energie getroffen, und durch die gewichtete kleinste Quadrate (WLS)-Optimierung können mehr Details gewonnen und der Rausch Einfluss reduziert werden. Abschließend wird die inverse NSCT auf die fusionierten Hoch- und Niedrigfrequenzkoeffizienten angewendet, um das endgültige Fusionsbild zu erhalten. Vergleichende Experimente mit vier Bilddatensätzen zeigen, dass die vorgeschlagene Methode subjektiv besser hervorhebt, reichhaltige Details extrahiert, Kantenartefakte deutlich eliminiert und eine bessere visuelle Wirkung erzielt als andere Methoden. Objektiv erreicht die Methode in vier objektiven Bewertungskennzahlen — durchschnittlicher Gradient (AG), Informationsentropie (IE), räumliche Frequenz (SF), gegenseitige Information (MI) — die besten Werte mit durchschnittlichen Steigerungen von 8,19 %, 5,34 %, 8,54 % und 68,18 % im Vergleich zu fünf Vergleichsmethoden, was die Zuverlässigkeit und Effektivität der vorgeschlagenen Methode belegt.

Bildfusion; nicht herabgesetzte Kontur-Wellen-Transformation; Frequenz-Tuning-Signifikanzdetektion; Infrarot-Signifikanzkarte; gewichtete Kleinste-Quadrate-Optimierung