基于curvelet变换的多聚焦图像融合研究 a study on of multi-focus image fusion based on curvelet transform.pdfVIP

第35卷第3期 信息化研究 V01．35No．3 2009年3月 InformatizationResearch Mat．2009 基于Curvelet变换的多聚焦图像融合研究 李丽萍，黄道平 (华南理工大学自动化科学与工程学院，广东省广州市510640) 摘要：针对Curvelet分解的不同频率域，分别讨论了低频系数和高频系数的选择原则。在选择 低频系数时，采用了基于边缘的方案。在选择高频系数时，充分利用Curvelet变换具有方向性的优点， 提出了Curvelet域区域边缘的概念，并给出了基于区域边缘的系数选择方案。实验结果表明：所给出 的融合算法能够很好地保留多幅源图像中的边缘信息，得到多个目标都清晰的图像。 关键词：图像融合；Curvelet变换；区域边缘；区域活跃度；区域显著性 中图分类号：TN911．73 连续域中的频率窗q将频域光滑地分成角度不 0引言 同的环形，这种分割并不适合于图像的二维笛卡儿坐 多源图像融合是对多个传感器采集到的关于同一 标系，因此，可以采用同中心的方块区域奶来代替，如 场景或目标的多源图像进行适当的融合处理，以获取 图l所示。 对同一场景的更为准确、全面、可靠的图像描述¨J。 本文提出了一种新的基于Curvelet变换的图像融 合算法。Curvelet变换除了具有一般小波变换的多尺 度、局部性外，还具有方向性，其基支撑区问满足各向 异性(anisotropy)尺度关系，在给定相同的莺构精度下 能够接近最优地表示图像边缘和平滑区域J。对图 像经Curvelet变换得到的低频系数和不同方向下的高 频系数分别采用基于边缘和区域特征的系数选择方案 得到合成图像的Curvelet变换系数，再经Curvelet逆变 换得到融合图像。最后将算法运用到多聚焦图像融合 中。从仿真结果可以看出，该融合算法能够很好地将 源输入图像的有用信息提取并注入到融合图像中去， 图1离散曲波在频率域的分块 得到多个目标都清晰的图像。 定义1：定义笛卡儿坐标系下的局部窗为： J l快速离敞Curvelet变换旧4 奶(加)=彰(tt，)K(伽) (1) 式中： Curvelet变换由Cand爸s和Donoho在2000年提 出，由脊波理论衍生而来。2004年，他们又构造出一 _『≥0 彰(加)=／j+l(埘)一季(加) 种新的Curvelet框架，与第1代曲波在构造上己经完 w21 yaw)=V(20．／2J 全不同。第l代曲波的构造思想是通过足够小的分块 、 wI’ 将曲线近似到每个分块中的直线来看待，然后利用局 中被定义为一维低通窗口的内积： 部的脊波分析其特性。而第2代的曲波与脊波理论并 多，(彬1，彬2)=咖(21彬1)咖(217,02)(2) 没有关系，实现过程也无需用到脊波，并且在频域直接 引入相同间隔的斜率：