摘要
针对夜间场景下红外与可见光图像融合存在细节清晰度差和可视范围有限的问题，本文提出了一种基于深度引导滤波与细节恢复的融合方法。为充分挖掘源图像的多尺度特征，利用深度引导滤波和高斯滤波构建了多级图像分解模型，将传统多尺度分解所得的高频层和低频层进一步分解为纹理、显著性和基础信息。在夜间场景下，这些分解成分通常存在模糊、对比度低和亮度不足的问题，使常规融合策略难以获得满意的结果。为应对这些挑战，本文设计了三种专门针对夜间成像的融合策略：基于增强函数的纹理信息融合策略、利用多对比度权重的显著性信息融合策略，以及结合红外图像强度变换函数与灰度差分析的基准信息融合策略。为验证所提方法的性能，在TNO、RoadScene、LLVIP和MSRS等典型数据集上，与经典融合方法、最先进方法以及专门针对夜间成像的方法进行了主观和客观对比评估。主观上，所提方法生成的融合图像细节更丰富、更清晰，热目标更突出。客观上，所提方法在平均像素强度、标准差、平均梯度、熵、空间频率、信息总损失度量、感知显著性度量和视觉信息保真度八项指标上均表现出一致的优势。主观和客观实验结果均证实，所提方法能够有效完成夜间图像融合任务。
