红外图像(IR)能够获取目标热辐射，受光照和天气影响较小。同时红外图像也缺乏场景的细节信息。可见光图像(VIS)相比于红外图像具有更高的空间分辨率，也包含更多的细节和纹理信息。IR和VIS图像的融合更有利于人眼和计算机视觉处理。为此，学者提出了包含稀疏表示融合框架、多分辨率分解融合框架、深度学习融合框架、空域变换融合框架等融合框架并衍生众多融合方法。在上述方法中，针对目标显著性区域和背景的融合采用相同的融合策略，但是会导致显著性区域和背景区域在融合过程中相互干扰，进而降低融合图像的对比度和细节等信息。

为此，本文提出一种基于强度蒙版的融合方法。借助红外图像制作图形蒙版，将待融合图像的目标显著性区域与背景区域分离，针对不同区域采用不同策略实现最终的图像融合。文章从四类评价函数(SD,MI,SSIM,Qe)和时间效率等方面对提出的方法进行验证，结果表明该方法在主观视觉与客观评价方面均取得优异效果。

本文提出的通过L0分解和强度蒙版实现红外与可见光图像融合方法的主要优势在于：1)目标显著性区域和背景区域分离，避免两者融合时交叉影响；2)有效提高融合图像的目标对比度背景细节；3)相同条件下能有效提高时间效率。

图1 L0分解与强度蒙版融合框架

图2 6种方法融合效果对比

论文题目：Lei Yan, Jie Cao*, Yang Cheng, Saad Rizvi, QunHao, " Infraredand visible image fusion via L0 decomposition and intensity mask" in IEEE Photonics Journal. doi: 10.1109/JPHOT.2019.2952654