Infrared and visible image fusion aims to generate a composite image with salient thermal targets and texture information from infrared image and visible image. Existing advanced methods tend to consume high computational cost for a high-quality fusion result. In this paper, a simple yet effective method is proposed based on structural patch decomposition. A modified gamma function is proposed to weight the mean intensity component to keep the thermal target. An enhanced power function is used to weight the mean-removed component to preserve the texture information. Different from general patch level fusion implemented via a sliding window, we convert the explicit structural patch decomposition and fusion into an image level mean filtering via a detailed analysis on input images. By this means, the computational cost of the proposed method can be largely reduced, which is independent of the patch size. Furthermore, we analyze the relationship of our method with classic filtering based image decomposition methods. Finally, a multi-scale implementation of the proposed method is developed to avoid the evident halo and spatial inconsistency artifacts. Extensive experimental results on the public dataset demonstrate that the proposed method can obtain more texture information and outperform the state-of-the-art fusion method qualitatively and quantitatively. The code can be downloaded from: https://github.com/xiaohuiben/MSID-KBS.

红外和可见图像融合的目的是根据红外图像和可见图像生成具有显着热目标和纹理信息的合成图像。现有的先进方法趋于消耗高质量的融合结果的高计算量。本文提出了一种基于结构补丁分解的简单有效的方法。提出了一种改进的伽马函数来加权平均强度分量，以保持热目标。增强的幂函数用于加权去除均值的分量，以保留纹理信息。与通过滑动窗口实现的一般补丁级别融合不同，我们通过对输入图像进行详细分析，将显式结构补丁分解和融合转换为图像级别均值滤波。通过这种方式，所提出的方法的计算成本可以大大降低，这与补丁大小无关。此外，我们分析了我们的方法与基于经典滤波的图像分解方法之间的关系。最后，为避免明显的光晕和空间不一致伪像，对提出的方法进行了多尺度实施。在公共数据集上的大量实验结果表明，该方法可以获取更多的纹理信息，并且在质量和数量上均优于最新的融合方法。可以从以下网址下载该代码：https：//github.com/xiaohuiben/MSID-KBS。开发了所提出方法的多尺度实施方案，以避免明显的光晕和空间不一致伪像。在公共数据集上的大量实验结果表明，该方法可以获取更多的纹理信息，并且在质量和数量上均优于最新的融合方法。可以从以下网址下载代码：https：//github.com/xiaohuiben/MSID-KBS。开发了所提出方法的多尺度实施方案，以避免明显的光晕和空间不一致伪像。在公共数据集上的大量实验结果表明，该方法可以获取更多的纹理信息，并且在质量和数量上均优于最新的融合方法。可以从以下网址下载该代码：https：//github.com/xiaohuiben/MSID-KBS。