第八章图像融合算法
8.1 图像融合技术的发展过程
随着科学的发展和技术的进步，采集图像数据的手段不断完善，出现了各种新的图像获取技术。如今，图像融合方法已经运用于社会的很多领域，像遥感卫星图像，光图像，红外图像，医学图像，尤其是多传感器图像融合应用以来，它已成为计算机视觉，目标识别，机器人以及军事等方面研究的重要方面。
8.2基于小波变换图像融合的基本原理
matlab直方图如果一个图像进行L 层小波分解，我们将得到（3L ＋1）层子带，其中包括低频的基带和层的高频子带。用代表源图像，记为，设尺度系数和小波函数对应的滤波器系数矩阵分别为，则二维小波分解算法可描述为：
j C 3L ,h v d D D D 和(,)f x y 0C ()x Φ()x ΨH G 与11
1j h j j v j j d j j C HC H D GC H D HC G D GC G +++′
=⎧⎪′
=⎪⎨′=⎪⎪′=⎩j+1(0,1,...,1)j J =−（8-1）
小波重构算法为：
基于二维DWT 的融合过程如图1.1所示，ImageA 和
ImageB 代表两幅源图像A 和B ，ImageF 代表融合后的图像，具体步骤如下：
（1）图像的预处理：
1h v d j j j j j
C H C H G D H H D G G D G −′′′′=+++(,1, (1)
j J J =−（8-2）图8.1 基于DWT 图像融合过程
①图像滤波
②图像配准
（2）对ImageA和ImageB进行二维DWT分解，得到图像的低频和高频分量。
（3）根据低频和高频分量的特点，按照各自的融合算法进行融合。
（4）对以上得到的高低频分量，经过小波逆变换重构得到融合图像ImageF。
8.3 融合效果性能评价指标
8.3.1均值和标准差

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。