基于小波变换图像融合算法的研究

【摘要】图像融合技术是将获得的两个或两个以上图像进行融合，生成一个新的图像的过程。本文通过对小波变换理论的分析研究，运用高频融合规则和低频融合规则，对图像进行加权融合，然后将新生成的图像与原图像进行对比。本文运用MALTAB软件对小波变换的融合算法进行仿真，使得实验结果能够很清晰明了的体现出来，充分展示出图像融合技术的优势所在。

【关键词】图像融合；小波变换；MATLAB

1.前言

图像融合技术涉及了很多领域，它并不是普通的图像增强。像素级融合、特征级融合和决策级融合是图像融合的三个阶段。相对于像素级融合中多分辨率图像融合算法这一非常重要的算法，小波变换法则是多分辨率分析中一种常用的算法。要想得到更好的图像融合效果，就需要尽可能的减少层间相关性，而基于小波变换的图像融合算法可以很好的做到这一点。所以小波变换在图像融合算法中起到很关键的作用。

2.基于小波变换图像融合方法的原理

与以往基于小波图像的融合方法融合算法和规则不同，在本文中提出基于系数的绝对值取最大和区域的均值方差最大化的新融合算法和融合准则。例如，两幅图像1和2融合后图像为F。对这两幅二维图像做N层小波分解，那么将有（3N+1）个不同的频带，（3N+1）个不同的频带中有3N个高频带，还有一个低频带。以下五点是具体的融合算法和融合规则：

（1）对源图像1和源图像2分别做N层小波分解运算；

（2）两幅图像1和2融合后图像为F的低频部分，来自源图像1和源图像2N层小波分解后的加权平均值，即：

公式中，CN，A、CN，B分别代表融合的源图像1和源图像2用小波分解尺度N上的低频分量，CN，F代表融合后的图像F在分解尺度N上的低频分量。

（3）在最高的小波分解层上，比较源图像1和源图像2的三个方向的高频分量小波系数，并且取绝对值最大的小波系数用作融合后图像F的小波系数.

（4）在中间的小波分解层上，提取像素为中心的局部区域（这里取5×5）的均值方差最大的图像1或图像2的小波系数用作融合后图像F所对应的小波系数，它的方差定义为：

其中，M、N分别为局部区域的行数和列数（这里为3）；xi，j为当前局部区域内的一个像素的灰度值，x为当前局部区域像素灰度值的平均值；

（5）确定融合图像F的各小波系数后，进行逆小波变换，即得到融合图像F

3.设计思路

如图3-1所示，本设计方案的思路十分简单，通俗易懂。该方案是通过小波变换和高低频融合规则来进行图像融合设计的。首先，先将两幅所要融合的图像：图像A和图像B分别进行小波变换分解，然后得出各个图像高低频分量，其次根据高低频融合规则进行图像融合，最后由小波变换的逆变换得出最后需要的融合后的图像。

4.仿真结果

首先得到两幅原始图像A和原始图像B，由图4-1可以看出：原始图像A由于各种原因中间有一个圆周的缺陷，并不能完整的获取整个图像的信息；而原始图像B与原始图像A相反，只获取了中间的一部分图像。这就导致人们无法对一幅场景的完整解读，这时候想要获得一幅能够获取全部信息的图像就需要进行图像融合。而本文基于小波变换的图像融合方法能够很好地解决这一问题。

由图4-3可以看出，通过使用MATLAB软件对原始图像A和原始图像B的小波分解，在进行高低频融合后，能够得到融合后的图像。融合后图像在基本数据上保持了原始图像A和原始图像B的基本特征。但是，融合后的图像同时弥补了原始图像A和原始图像B的缺陷，很清楚的显示了所需要的整个图像的所有信息，充分显示了图像融合技术的作用所在。

本文描述了一种多分辨分析的图像融合的算法。针对不同的小波分解层、不同的频带，文中分别采用了不同的融合算法，采用分解的小波系数的邻域方差所形成的融合因子能非常好的利用小波变换的时频局部特性。仿真实验结果表明，该方法具有良好的效果，本文采用的基于小波变换的图像融合的方法是有效的，融合后的图像综合了两幅图像的优势，对两幅图像的缺点进行弥补，融合后图像质量得到了较大的提高。在与其它的图像融合方法相比时，基于小波变换的图像融合方法会更具有优越性，这与实际所得融合图像的视觉效果是相吻合的。本本采用的方法具有设计思路简单，操作流程方便等特点，同时能够满足各种类型的需要。

参考文献

[1][美]Rafael C.Gonzalez，Richard E.Woods，Steven L.Eddins著.阮秋琦等译.数字图像处理：MATLAB版：using MATLAB[M].北京：电子工业出版社，2005.

[2]黄爱民，安向京等编著.数字图像处理与分析基础[M].北京：中国水利水电出版社，2005.

[3]陈浩，王延杰.基于小波变换的图像融合技术研究[J].微电子学与计算机，2010，27（5）.