关键词：
⛄一、小波变换彩色图像融合简介
1 前言
图像融合是将不同传感器所获得的多个图像根据某种算法进行融合处理,取长补短,使一幅图像能够更清楚、更准确地反映多幅图像的信息,多聚焦彩色图像融合是图像融合的一个分支。目前在各种图像采集与分析系统中已使用的CCD数码相机,对于聚焦良好的物体可呈现出清晰的图像。由于光学镜头焦距长度的限制,很难将场景中所有目标都成像清晰,除聚焦良好的物体外,该物体前后有一定距离外的所有目标,都呈现不同程度的模糊,因而可通过对同一场景多次成像,但聚焦物体不同,然后利用图像融合技术进行处理,就可得到不同目标都清晰的彩色图像。多聚集图像融合技术在数码相机、医学、目标识别、机器人识别等方面有着广阔的应用前景,是目前科技界研究的一个热点。
随着20世纪90年代小波变换在图像处理中的广泛应用,它也被成功地应用于图像融合。基于小波变换的多聚焦彩色图像融合方法主要有两种:(1)将彩色图像从RGB空间转化到YUV空间,在YUV空间利用小波变换进行融合处理;(2)直接对彩色图像的R、G、B三分量进行小波变换,再根据一定的融合规则获得融合图像。虽然小波变换的融合效果相对比较理想,但在融合的过程中仍存在一些问题,其中一个主要问题是小波系数的融合处理。目前主要的融合方法有基于区域能量最大、清晰度最大等融合规则,这些小波系数融合方法虽然能够提高图像融合的效果,但这些算法容易产生较大的颜色偏差。针对以上问题,本文直接对彩色图像的R、C、B三分量进行小波变换,在小波域对低频和高频采用不同的融合方法进行融合处理。实验结果表明,本文融合方法是一种有效的融合方法,相对于其他融合方法能够较好地保留图像的光谱信息。
2 基于小波变换的图像融合原理
对二维图像进行N层的小波分解,可得3N+1个不同的频带,其中包含3N个高频带和1个低频带。下面以两幅图像的融合为例,说明基于小波变换的图像融合原理。
如图1所示:对原始图像1、2进行分解,即对原始图像分别进行低、高通滤波,使原始图像分解为含有不同频率成分的4个子图像,再根据需要对低频子图像重复上面的过程,也就是建立各图像的小波塔形分解。然后对各个分解层进行融合处理,不同频率的各层根据不同的要求采用不同的融合算子进行融合处理,最终得到融合后的小波金字塔。对融合后的小波金字塔进行小波逆变换(图像重构),所得的重构图像即为融合图像,这样可有效地将来自不同的图像的细节融合在一起,以满足实际要求,同时有利于人的视觉效果。
图1 基于小波变换的图像融合原理
图像经小波变换后,源图像与小波变换所得到的系数之间并不是一一对应的关系,源图像中的一个像素点可以分解成多个小波系数(通常是以某个小波系数为中心的邻域区域),一个小波系数与多个像素点有关(通常是以某像素为中心的邻域),因而在基于小波变换的图像融合中,通常采用基于区域小波系数的特性进行融合。
3 图像融合效果的评价
判断多聚焦彩色图像融合结果的主要标准是:(1)融合结果更加清晰,包含更多细节信息;(2)融合前后图像的颜色比较接近;(3)具有更好的视觉效果。针对这些要求,采用以下的评价标准。
(1)熵H
它反应了图像携带的信息量的多少,熵越大说明图像的融合效果越好。其中Pi为图像第i级灰度值的概率。
(2)颜色偏差
利用融合图像和原多光谱图像分别在R、G、B通道上的平均差异来定义光谱信息评价指标,表示为:
式中F、C分别表示融合图像和理想图像,x代表R、G、B三个通道,M、N表示图像的大小。
(3)峰值信噪比PSNR
峰值信噪比越大,说明融合效果越好。
⛄二、部分源代码
clc;
clear all;
close all;
Panc = imread(‘0.tif’);
up=Panc(:,:,1);
low = imread(‘1.tif’);
figure(1);
subplot(1,2,1),imshow(up);title(‘高分辨率影像’);
subplot(1,2,2),imshow(low);title(‘多波段影像’);
[low_R]=double(low(:,:,1)); %把函数类型unit8为double型
[low_G]=double(low(:,:,2));
[low_B]=double(low(:,:,3));
% 高分辨率全色图小波变换
[CPanc,LPanc] = wavedec2(up,3,‘db13’); %对图像panc用wname小波基函数实现三层分解
% cpanc为各层分解系数,lpanc为各层分解系数长度,也就是大小.
WH = LPanc(1,:);
length = WH(1)*WH(2);
[CMult_R,LMult_R] = wavedec2(low_R,3,‘db13’ ); % R通道小波变换，得到的低频替换全色图的低频系数
CR = CPanc; CR(1:length) = CMult_R(1:length);
[CMult_G,LMult_G] = wavedec2(low_G,3,‘db13’ ); % G通道小波变换，得到的低频替换全色图的低频系数
CG = CPanc; CG(1:length) = CMult_G(1:length);
[CMult_B,LMult_B] = wavedec2(low_B,3,‘db13’ ); % B通道小波变换，得到的低频替换全色图的低频系数
CB = CPanc; CB(1:length) = CMult_B(1:length);
RGB(:,:,1) = waverec2(CR,LPanc,‘db13’ );
RGB(:,:,2) = waverec2(CG,LPanc,‘db13’ );
RGB(:,:,3) = waverec2(CB,LPanc,‘db13’ );
RGB_R=double(RGB(:,:,1));
RGB_G=double(RGB(:,:,2));
RGB_B=double(RGB(:,:,3));
Final_Result=uint8(RGB);
figure(2)
imshow(Final_Result), xlabel (‘小波融合图像’ );
%%%%%%%%计算融合图像的熵%%%%%%%%%%%%%%
p = imhist(RGB(😃);
p(p==0) = [];
p = p ./ numel(RGB);
Entropy = -sum(p.*log2§);
fprintf(‘\\n\\n 熵值是 %.4f’, Entropy);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
[M,N,color]=size(up);
low=double(low);
RGB=double(RGB);
fenzi=0;
fenmu_up=0;
fenmu_low=0;
init_up=[];
init_low=[];
init_up=ones(M,N)*mean(RGB(😃); %求均值
init_low=ones(M,N)*mean(low(😃);
for i=1:M
for j=1:N
fenzi=fenzi+(RGB(i,j)-init_up(i,j))(low(i,j)-init_low(i,j));
fenmu_up=fenmu_up+(RGB(i,j)-init_up(i,j))^2;
fenmu_low=fenmu_low+(low(i,j)-init_low(i,j))^2;
end
end
rou=fenzi/(sqrt(fenmu_upfenmu_low));
fprintf('\\n\\n 相关系数为:%.4f\\n ’ ,rou);
% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % %
DD=0;
for i=1:M
for j=1:N
DD=DD+ abs(RGB(i,j)-low(i,j));
end
end
D=DD/(M*N);
fprintf('\\n\\n 光谱扭曲度为:%.4f\\n ’ ,D);
% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % %
RASE=0;
for i=1:M
for j=1:N
RASE=RASE+ (RGB(i,j)-low(i,j))^2;
end
end
RASE=sqrt(RASE)/(M*N);
fprintf('\\n\\n 均方根误差为:%.4f\\n ’ ,RASE);
% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % %
if size(low,3)==3
low=rgb2gray(low);
end
if size(RGB,3)==3
RGB=rgb2gray(RGB);
end
p2=imhist(low);
p2(p20)=[1];
p2=p2/numel(low);
p3=imhist(RGB);
p3(p30)=[1];
p3=p3/numel(RGB);
CE2=abs(sum(p2.*log2(p2./p3)));
fprintf('\\n\\n 交叉熵为:%.4f\\n ’ ,CE2);
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1] 陈木生.基于小波变换的多聚焦彩色图像融合新方法[J].计算机工程与应用. 2008,(32)
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
图像融合基于matlab高分辨率全色图pca图像融合（含评价指标）含matlab源码2407期
...用PCA方法进行图像融合的常用方法有两种,其一是用于高分辨率全色图像与低分辨率多光谱图像的融合,用高分辨率全色图像代替由低分辨率多光谱图像提取出的第一主成分而得到同时具有高空间分辨率和高光谱分辨率的融合图像;... 查看详情
图像融合基于matlab多分辨率奇异值分解图像融合含matlab源码2374期
⛄一、多分辨率奇异值分解图像融合简介0引言图像融合[1,2]是指将多分辨率或多介质图像数据通过空间配准和图像信息互补产生新的图像的综合分析技术。图像融合一般分为像素级、特征级和决策级融合,而多分辨率图像融合算... 查看详情
图像融合基于matlab双树复小波变换像素级图像融合含matlab源码2024期
...及方向选择性良好等特点，可以反映图像在六个方向上的分辨率变化。图2.4展示了多贝西小波和复数小波的分解示意图。图2.4 查看详情
图像融合基于matlab低频融合策略小波图像融合含matlab源码2319期
...局部特征的数学工具。当然也可以将二维信号分解成不同分辨率的子带信号。由于图像为二维信号,可以作以下小波分解:其中,f(x,y)为源图像,C0,H,G为一维小波滤波器,h,v,d分别代表水平、垂直和对角分量,H′,G′表示H,G的转置矩阵。... 查看详情
图像融合基于matlab主成分结合小波离散变换pca-dwt图像融合含matlab源码2199期
...局部特征的数学工具。当然也可以将二维信号分解成不同分辨率的子带信号。由于图像为二维信号,可以作以下小波分解:其中,f(x,y)为源图像,C0,H,G为一维小波滤波器,h,v,d分别代表水平、垂直和对角分量,H′,G′表示H,G的转置矩阵。... 查看详情
毕设题目：matlab图像融合
1案例背景图像融合是遥感图像处理的重要环节之一,本文基于MATLAB图像用户界面设计实现了遥感图像融合评价系统,该系统可实现遥感图像的小波法、PCA法及IHS法融合,并对图像进行九种客观评价。实验表明,本系统具有良好的实用... 查看详情
图像融合基于matlab高分辨率全色图ihs图像融合（含评价指标）含matlab源码2406期
⛄一、HSI彩色图像去噪简介0引言彩色模型(又称彩色空间或者彩色系统)的种类众多,有RGB彩色模型、YIQ/YUV彩色模型、CMY/CMYK彩色模型、IHS彩色模型等。不同应用领域或不同的情况下可选择合适的彩色模型,例如RGB彩色模型应用最广... 查看详情
erdas实现融合的步骤及操作
...小波变换的具体操作步骤具体的是：HIS-RGB后，如何用高分辨率图像代替I分量进行其你变换？HPF中将全色图像直方图与高光谱图像配准、再进行高通滤波后，如何将高通滤波后的影像分别加入多光谱各个波段？小波变换的具体步... 查看详情
图像融合基于matlab小波变换全聚焦图像融合含matlab源码1372期
...等。在信号分析方面的滤波、去噪声、压缩、传递等。在图像处理方面的图像压缩 查看详情
图像融合基于matlab小波变换全聚焦图像融合含matlab源码1372期
...等。在信号分析方面的滤波、去噪声、压缩、传递等。在图像处理方面的图像压缩 查看详情
图像融合基于matlab双树复小波变换像素级图像融合含matlab源码2024期
...向选择性良好等特点，可以反映图像在六个方向上的分辨率变化。图2.4展示了多贝西小波和复数小波的分解示意图。图2.4多贝西小波与复数小波分解示意图可以看出，多贝西小波只有一个维度的分解。复数小波则有实部... 查看详情
matlab实战系列（四十）-小波变换matlab图像融合
...描述。图像融合可以克服单一图像在几何、光谱、和空间分辨率等方面存在的局限性。以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！MATLAB-30天带你从入门到精通MATLAB深入理... 查看详情
图像分析基于matlab小波变换图像分析含matlab源码1365期
一、小波变换图像分析简介0引言21世纪是信息化时代，图像成为了人类获取信息的重要载体，在人类日常生活中扮演着越来越重要的角色，地位越来越高，例如，在线浏览、下载图像和视频、医院根据MRI（核磁共振图像）诊断疾... 查看详情
图像分析基于matlab小波变换图像分析含matlab源码1365期
一、小波变换图像分析简介0引言21世纪是信息化时代，图像成为了人类获取信息的重要载体，在人类日常生活中扮演着越来越重要的角色，地位越来越高，例如，在线浏览、下载图像和视频、医院根据MRI（核磁共振图像）诊断疾... 查看详情
图像融合基于matlabgui图像融合含matlab源码2183期
一、小波变换彩色图像融合简介1前言图像融合是将不同传感器所获得的多个图像根据某种算法进行融合处理,取长补短,使一幅图像能够更清楚、更准确地反映多幅图像的信息,多聚焦彩色图像融合是图像融合的一个分支。目前在... 查看详情
图像压缩基于matlabgui小波变换图像压缩含matlab源码609期(代码片段)
...等。在信号分析方面的滤波、去噪声、压缩、传递等。在图像处理方面的图像压缩、分类、识别与诊断，去噪声等。本章将着重阐述小波在图像中的应用分析。1小波变换原理小波分析是一个比较难的分支，用户采用小波... 查看详情
图像融合基于matlabihs变换与自适应区域特征遥感图像融合含matlab源码1636期(代码片段)
...模型亮度表示光谱的整体亮度大小，对应图像的空间分辨率，与地物表面粗糙度相对应,代表地物的空间几何特征。（光源或物体明亮程度）色调描述纯色的属性，决定与光谱的主波长。（物体什么颜色ÿ... 查看详情
图像检索基于matlab小波变换dwt图像检索含matlab源码2404期(代码片段)
⛄一、小波变换DWT图像检索简介1聚类算法1.1图像聚集区的选取图像检索系统分为三个步骤,首先要提取合适的特征,来代表整个图像的内容,人们在观察图像时眼睛经常会聚焦在图像的中心区域,所以本文选择图像的中心区域来提取... 查看详情