전통적인 방법의 일부 결함과 단일 특징 추출 정보의 부족을 극복하고 적외선 및 가시 영상 융합을 더욱 향상시키며 서로 다른 유형의 특징에 강한 적응성을 가진 방법을 찾기 위해 다중 판단과 가중 최소자승 최적화(WLS)를 기반으로 한 비다운샘플링 윤곽선 파 변환(NSCT) 적외선 및 가시 영상 융합 방법을 제안하였다. 먼저 NSCT를 사용하여 영상을 다중 스케일로 분해하여 영상의 저주파 및 고주파 서브밴드를 얻는다. 저주파 서브밴드는 국소 제곱 엔트로피와 수정된 라플라스 합(SML)을 선택하여 상호 보완하여 좋은 명암 대비를 보장하면서 적은 양의 세부 정보만 추출한다; 고주파 서브밴드는 저층 특징의 중요성을 충분히 고려하여 위상 일관성(PC), 국소 가중 수정 라플라스 연산자(WSML) 및 국소 가중 에너지(WLE)를 상호 보완하는 방식으로 세부층을 융합하고 WLS 최적화를 수행하여 융합된 영상의 세부가 더 자연스럽고 인간의 시각 인지에 더 적합하도록 한다. 마지막으로 융합된 저주파 및 고주파 서브밴드에 역변환을 수행하여 융합 영상을 얻는다. 서로 다른 유형의 특성을 가진 영상에 대해 실험을 진행했으며, 실험 결과는 본 방법이 다른 융합 방법과 비교하여 주관적으로 목표가 뚜렷하고 배경이 명확하며 시각적 효과가 우수함을 나타낸다. 평균 기울기(AG), 정보 엔트로피(IE), 공간 주파수(SF), 상호 정보(MI)의 4가지 객관적 평가 지표 중 MI 지표가 좋은 조건에서 나머지 3개 지표가 모두 최상의 상태였으며, 특히 조명이 균일한 camp 영상에서는 AG와 SF가 최고 값에 비해 각각 6.9%와 4.8% 향상되어 본 방법의 유효성을 검증하였다.

영상 융합; 다중 판단; 비다운샘플링 윤곽선 파 변환; 가중 최소자승 최적화; 인간 시각 인지