一种基于区域及Contourlet变换多聚焦图像融合新方法.docVIP

一种基于区域及Contourlet变换多聚焦图像融合新方法 　【摘要】 本文提出了一种基于区域和contourlet变换相结合的图像融合新方法。该方法首先对源图像进行contourlet变换，得到高频和低频图像；接着根据各尺度上高频图像的大小来调整源图像尺寸进行分割，得到多尺度分割图像；然后采用区域高频系数绝对值之和作为区域活动度来指导系数融合；最后进行contourlet逆变换得到融合图像。采用均方根误差、信噪比、边缘融合质量指标和加权融合质量指标4种准则来评价融合算法的性能。实验结果表明，本文方法不仅在客观评价指标上优于小波变换法，而且从主观评价上来看，本文的方法得到的融合图像更加的清晰。 【关键词】 Contourlet变换； 图像融合； 小波变换 Abstract: A New method for multifocus image fusion based on contourlet transform and region is proposed. Firstly, contourlet transform is performed on source images to get highfrequency and lowfrequency images. The source images are resized depending on the size of highfrequency images at each scale and then they are segmented into different regions. The sum of absolute value of high frequency coefficients in a region is considered as the region activity to conduct coefficient fusion. At the end, the inverse contourlet transform is utilized to obtain fused image. The performance of the image fusion method is evaluated using four criteria including root mean square error, signaltonoise ratio, edgedependent fusion quality index and weighted fusion quality index. The results of experiments imply that the new method not only get higher object assessment index score but also get a more clearly fusion image in perceptual than wavelet transform method. Key words: contourlet transform, image fusion，wavelet transform 引言 图像融合技术经过多年的发展已在很多方面得到了应用（如国防、医疗、遥感、机器视觉等）。所谓图像融合就是将两幅或两幅以上的源图像组合成一幅包含各源图像显著信息的复合图像，从而获得对某一场景的更全面、清晰的描述。当目前为止，人们提出了不少图像融合方法——从简单的平均值法［1］到更为复杂的神经网络［2］、模糊聚类［3］、多尺度分析［4，5］方法等。 小波变换以其良好的时频分析特性成为了图像融合的一种重要工具。但是小波变换自身也存在着一些缺点：小波变换的主要缺点在于不能有效地“捕获”图像的方向信息（只有垂直、水平和对角三个方向），方向性的缺乏使得小波不能充分利用图像本身的几何正则性；另一方面，小波变换不能最优地表示含有线或面奇异的高维函数，小波基的支撑区间为不同尺寸大小的正方形，随着分辨率的变细，小波只能用“点”来逼近奇异性曲线，这样便不能稀疏地表示原函数。所以说小波变换并不是最优或者最稀疏的函数表示方法［6，7］。 为了克服以上不足，出现了brushlets［8］、complex wavelets［9］、curvelets［10］等一系列数学表示方法。在受到curvelets的启发下，Minh N. Do 和Martin Vetteri提出了一种“真正”的二维图像表示方法contourlet变换［6，7］。contourlet变换不仅具有小波变换的主要特征（如多尺度、时频局部性等），而且具有高度的方向性和各向异性等特性。contourlet