【图像融合】基于小波变换（加权平均法+局域能量+区域方差匹配）实现图像融合含Matlab源码

【图像融合】基于小波变换（加权平均法+局域能量+区域方差匹配）实现图像融合含Matlab源码

1 简介

为了改善图像融合效率,针对当前图像融合方法存在的局限性,提出一种基于小波变换的多聚焦图像融合方法.首先确定最优的小波分解层数,采用小波变换对图像进行多次分解;然后考虑低频子带与高频子带各自的特点,选择局部平均梯度准则作为高频子带的融合规则,低频子带采用3个系数的平均值作为融合规则;最后通过仿真实验对图像融合的有效性进行测试.实验结果表明,该方法获得了更理想的图像融合结果,提高了融合后的图像质量,且融合效果明显优于对比图像融合方法.

对二维图像进行 J 层的小波分解，可得 3J+1 个不同的频带，其中包含 3J 个高频带和一个低频带。并且能量主要集中于低频部分，而高频部分代表了图像的细节信息。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，对源图像 1 和源图像 2 进行小波分解，即用低通滤波器 L 和高通滤波器 H 分别对两源图像的水平方向和垂直方向进行滤波，使源图像分解为水平低频垂直低频(LL)、水平低频垂直高频(LH)、水平高频垂直低频(HL)、水平高频垂直高频(HH)的 4 个子图像，再根据需要利用低通滤波器 L 和高通滤波器 H 对LL 子图像重复上面的过程，这样就建立各图像的小波塔形分解。接着对分解后的低频子图像和高频子图像根据需要进行融合处理，得到融合后的小波金字塔。最后对融合后的小波金字塔进行小波逆变换，即可得到融合结果。

2 部分代码

function [smat,mp,np] = submat(x,p,level)% 函数 submat 取输入矩阵中以点P为中心、阶数为（2*level+1）的方阵作为输出的子矩阵[row,col]=size(x);m=p(1);%行n=p(2);%列if (m>row)||(n>col) error('Point p isout of matrix X !'); return;endif((2*level+1)>row)||((2*level+1)>col) error('Too largesample area level !'); return;end% 设置子矩阵的边界值up=m-level; down=m+level;left=n-level; right=n+level;% 若子矩阵的某一边界值超出输入矩阵的相应边界，就进行边界处理，% 即超出边界后往相反方向平移，使其恰好与边界重合if left<1 right=right+1-left; left=1;endif right>col left=left+col-right; right=col;endif up<1 down=down+1-up; up=1;endif down>row up=up+row-down; down=row;end% 获取作为输出的子矩阵，并计算点p在输出的子矩阵中的位置smat = x(up:down,left:right);%以点p位中心的 （2*level+1）阶方阵mp=m-up+1;np=n-left+1; %p点的位置

3 仿真结果

4 参考文献

[1]柏春岚, 刘豪. 基于小波变换的图像融合及其MATLAB实现[J]. 科技广场, 2014.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。