基于区域能量特征的小波变换图像融合算法的研究-毕业论文

基于区域能量特征的小波变换图像融合算法的研究-毕业论文内容摘要：

CACF   (321) 式 31 中变量 jLCA 、 jLCB 分别代表待融合图像 A、 B的各分解分量的系数 , 表示图像 A的系数所占的权重 ,CF表示最终融合图像 F的对应系数。 （ 2）高频区域的融合规则 高频部分包含图像中更多的边缘细节特征 ,本文采用区域能量的融合规则来进行处理。 (1) 计算原始图像的区域能量 :将待融合图像 A 和 B 经小波分解，得到相对应的低频系数和高频系数，对于高频系数，一般采用基于矩形区域 33, 55 或 77 的方法来计算区域能量，本文采用33 的矩形区域，计算区域能量公式为 :  2, ),(),(    NjMiAkAk mjmiDjiE (322)  2,B ),(),(   NjMiBkk mjmiDjiE (323) 上式中 ),( jiEAk 、 ),(B jiEk 为待融合图像 A、 B 以（ i， j）为中心的区域能量；),(A jiDk 、 ),(B jiDk 为高频系数分量； k 为水平、垂直、对角三个方向； m 为矩形区域 的变量，可以 取 3, 5, 7； M、 N为融合图像 A、 B分解得到的高频系数的局部区域。 (2)计算待融合图像区域匹配度 :利用小波分解后的高频系数来计算，计算公式为 : 滁州学院本科毕业论文 7 ),(),( )],(),([2),( BA jiEjiE mjmiDmjmiDjiM kkBkAkABk  （ 324） (3)确定融合算子 :给定域值 θ，一般情况下取 0. 5— ，本文取 , 若  ),( jiM ABk ， 则 （ 3 25） 若  ),( jiM ABk ， 则 （ 326） 其中 （ 327） （ 4）改 进融合规则：其中步骤（ 1）、（ 2）不变 ,对步骤 (3)做出以下改进。 若  ),( jiM ABk ； 则 （ 328） 若  ),( jiM ABk ； 则  ),(),(),( jiDjiDjiD BkAkk  （ 329） 图像融合效果评价指标 主观评价方式是一种最直观评估方法，但结果存在很大的不确定性，会因观察人员素质、水平的不同或外部环境的不同而出现很大差异。 因此，本文采用客观评价方法来分析实验结果。 常见的评价指标主要有信息熵、清晰度、峰值信噪比等。 （ 1） 信息熵 H 图 像 的 熵 值 是 用 来 表 示 图 像 所 包 含 的 平 均 信 息 量。 对 于 一 幅 图 像 ， 设},.,{ 11,0  Li ppppp  , i 为灰度值等于 i 的像素数与图像总像素数之比。  2550 logi ii PPH （ 331） 熵是反映反射影像信息载量，对图像细节的表达，熵值越大图像信息量越丰富。 （ 2）清晰度（ Definition） 又称平均梯度，反映了图像微小细节反差变化的速率， 定义为： 2)(1 22yx IIng   （ 332） ),(),( BA jiEjiE kk ),(),( BA jiEjiE kk  ),( ),(),( jiD jiDk AkBkjiD  ),( ),(),(D jiD jiDk AkBkji  ),(),( BA jiEjiE kk  ),(),( BA jiEjiE kk  ),(ω),(ω ),(ω),(ω m i nkm a xk m a xkm i nk),( jiDjiD jiDjiDk BkAk BkAkjiD  ),(),( BA jiEjiE kk ),(),( BA jiEjiE kk  )θ1(2ω1ωABkm a xkm a xkm i nk滁州学院本科毕业论文 8xI 和 yI 表示 x和 y 方向上 的差分，ｎ表示图像的大小。 g 越大，说明最后获得的图像越清晰。 (3)峰值信噪比 PSNR（ Peak Signal to Noise Ratio） 信噪比表示信号与噪声的比率相对于参考图像的融合图像，峰值信噪比公式被定义为：    1010210102)],(),([),(lg10 MiNjFRMiNjFjiIjiIjiIP S N R (333) 式中， ),( jiIR ， ),( jiIF 分别为参考图像 R和融合结果 F在的像素 ),( ji 值大小。 PSNR值决定融合 后图像越接近原来的图像， PNNS值越大 表明融合效果越好。 新算法描述 本文选用以小波变换为基础高频和低频采用不同的融合规则对图像进行融合，基于区域能量的小波融合法在高频部分采用图像的区域能量作为融合规则，用区域能量的匹配度作为融合域值，在低频部取系数的加权平均的准则。 因此，这种方法采用区域特性来作为融合规则，加强了各区域像素之间的联系，能获得较好的融合效果。 该算法步骤为： (1)将待融合的原始图像 A 图像和 B 图像进行 3 层小波分解，分别得到水平、垂直、对角的3个高频系数和 1个低频系数； （ 2)由步骤 (1)得到了高频分量和低频分量采用不同的融合规则，这里本文采用的是低频分量采用 加权平均的融合规则 和高频分量采用 区域能量的融合规则 ，进行相应的融合后得到了融合后新的高频分量和低频分量； (3)将步骤 (2)中得到的高频分量和低频分量进行小波重构得到融合后的图像。 其中该算法的区域矩形窗口区域采用 3x3 大小。 融合算子 e 取。 采用的小波基是 sym8 小波。 分解层数设为 3层。 （ 4）最后就是质量评价，利用 节选定的评价 指标 信息 熵、清晰度、峰值信噪比对步骤 3获得的融合图像进行评价，记录实验数据。 4 应用研究 研究方法 为了客观地验证本文算法的有效性，在 平台上选用 2 种经典的小波融合算法和本文算法进行融合对比实验。 其中经典的小波变换方法分别为系数绝对值最大和系数局部方差最大（以下简称 A方法和 B 方法），均选用 db8 小波基和 45滤波器。 本文方法 选用 9－ 7滤波器和 sym8 小波。 分解层次均采用 3 层。 实验环境如下，硬件环境：联想 ThinkPad 笔记本， CPU 型号为英特尔 双核 ,主频 , 内存，显卡为英特尔 Ivy Bridge Graphics Controller（ 1 GB/联想）； 软件环境： Windows7 （ 32）位操作系统， Matlab。 滁州学院本科毕业论文 9 为验证改进算法的有效性，取两种常用的算法和本文改进的算法进行了图像融合比较，然后仿真比较融合结果是否有提高，同时比较利用传统算法和改进的算法所得融合图像 信息 熵、清晰度、峰值信噪比的大小。 根据本文选用的图像 融合评价指标计算出结果，来说明该融合方法的性能优劣。 本文选用以下三组待融合图像。 其中，第一组图像分别为左聚焦图像和右聚焦图像，此类图像广泛应用于生活中，具有一定的现实意义；第二组图像 左边为 CT 图像右边为 MRI 图像，两张图片是医学图片，它们包含不同的信息特征，融合成一张图片不仅可以获得更好的视觉效果，还可凸显其特征方便医生做出准确判断。 具 有很高的医学应用价值；第三组图像左图为红外光图片，右图为可见光图片，两种光谱得到的图像反应的信息是不同的，通过图像融合得到一幅可视性更好的图像，此类图像融合可以应用于军事、民 用等多个领域。 左聚焦 右聚焦 第一组图像 CT MRI。