【正文】 回憶四年大學時光，我初次來到學校的情景歷歷在目，后來我 認識了老師、同學，四年里我們相處的非常融洽，你們在我學習和生活中給予了很多的關(guān)心和幫助，正是你們使我從青澀走向成熟，在此向你們表示衷心的感謝！在此，我還要感謝機電學院的實驗室老師提供了良好的實驗環(huán)境，我所使用聯(lián)想 ThinkPad筆記本的機器配置良好，其 CPU型號為英特爾 ,主頻 ,，顯卡為英特爾 Ivy Bridge Graphics Controller（ 1 GB/聯(lián)想） ， 學習軟件齊全， Matlab 、 CAJViewer 等軟件為我此次論文的順利完成提供了有力的保障。 2. 實驗環(huán)境 (1)硬件環(huán)境：聯(lián)想 ThinkPad 筆記本， CPU 型號為英特爾 雙核 ,主頻,，顯卡為英特爾 Ivy Bridge Graphics Controller（ 1 GB/聯(lián)想）。sym839。 cd2=fuseenergy(d12,d22)。 ch3=fuseenergy(h13,h23)。)。 [a12,h12,v12,d12]=dwt2(a11,39。 I1=double(I1)。 r1=psnr(I3,I1) r2=psnr(I3,I2) RMSE1=rmse(I3,I1) RMSE2=rmse(I3,I2) DEF=sharp(I3) H = entropy(I3) % 小波融合 ,融合規(guī)則 系數(shù)區(qū)域能量最大 clc clear I1=imread(39。 I3=idwt2(ca1,ch1,cv1,cd1,39。 cv2=fusebyvar(v12,v22)。 % 重構(gòu) ca3=(a13+a23)/2。sym839。)。 % figure % imshow(I2)。)。 cd1=c.*d11+~c.*d21。 ca1=idwt2(ca2,ch2,cv2,cd2,39。sym839。 % 重構(gòu) ca3=(a13+a23)/2。sym839。)。 % figure imshow(I2)。tronic。 5 結(jié)束語 本文主要研究了小波變換的理論及特性，重點討論了圖像融合方法的改進，提出了一種新的基于區(qū)域能量特征的小波變換圖像融合算法。表 41給出了上述三組圖像實驗結(jié)果性能評價數(shù)據(jù)。根據(jù)本文選用的圖像 融合評價指標計算出結(jié)果，來說明該融合方法的性能優(yōu)劣。分解層數(shù)設為 3層。 (3)峰值信噪比 PSNR（ Peak Signal to Noise Ratio） 信噪比表示信號與噪聲的比率相對于參考圖像的融合圖像，峰值信噪比公式被定義為： ? ?? ??????????? 1010210102)],(),([),(lg10 MiNjFRMiNjFjiIjiIjiIP S N R (333) 式中， ),( jiIR ， ),( jiIF 分別為參考圖像 R和融合結(jié)果 F在的像素 ),( ji 值大小。 若 ? ),( jiM ABk ； 則 （ 328） 若 ?? ),( jiM ABk ； 則 ? ?),(),(),( jiDjiDjiD BkAkk ??? （ 329） 圖像融合效果評價指標 主觀評價方式是一種最直觀評估方法，但結(jié)果存在很大的不確定性，會因觀察人員素質(zhì)、水平的不同或外部環(huán)境的不同而出現(xiàn)很大差異。 滁州學院本科畢業(yè)論文 6圖 3. 1 基于小波分解的 圖 像融合原理 圖像融合規(guī)則的選取與改進 從 我們可以看出圖像融合規(guī)則的選取對于最終融合的圖像效果如何起到?jīng)Q定性作用。相應的 ,離散小波變換可定義為： dta anbttfafnmW m mnmf ? ???? ??? )()(1),(000, ?? (28) 其離散小波變換系數(shù)可記為： fdtttfC nmnm ?? ????? )()( , ? (29) 離散小波變換公式為： dtttfnmW nmf )()(),( ,?????? ? (210) 離散小波變換的逆變換公式為： )()( , tCCtf nmnm ?? ????? ????? (211) 式中， C 是與尺度參數(shù)無關(guān)的一個常量。 第 5章是結(jié)束語，歸納總結(jié)本文的主要工作，以及對未來發(fā)展的方向進行展望。 2020年，倪煒將 Contourlet變換應用于圖像融合領域，提取原始圖像中的特征信息，克服了小波域多聚焦圖像融合算法的缺陷，在融合規(guī)則中充分考慮圖像的局部相關(guān)性、有效性和區(qū)域特性，使用在低頻區(qū)域和高頻區(qū)域的不同融合規(guī)則，實驗結(jié)果證明了該方法的有效性。 因此圖像融合這一技術(shù)成為國內(nèi)外各 界人是的關(guān)注熱點。然后，進行仿真實驗，選取合理的評價指標證明該方法的有效性，驗證結(jié)論。 2020年，謝剛為了實現(xiàn)多源圖像的優(yōu)勢互補，提出了以小波變換為基礎各像素的局部能量作為融合規(guī)則的算法。 第 2 章是小波變換理論，小波變換在圖像融合領域的的重要作用，小波變換相比較其他方法的優(yōu)點，詳細闡述了連續(xù)小波變換、離散小波變換，重點分析了 Mallat算法。根據(jù)公式（ 22），其中 a 的大小決定了小波函數(shù)的支撐長度， b 是小波窗的時間定位參數(shù)。 如圖 21,22所示 Mallat分解示意圖和結(jié)構(gòu)圖 圖 21Mallat 分解算法 滁州學院本科畢業(yè)論文 5 圖 22 二 層 分解 結(jié) 構(gòu) 圖 如圖 23， 24所示為 Mallat重構(gòu)示意圖和結(jié)構(gòu)圖 圖 23Mallat 重構(gòu)算法 圖 24 二 層 重構(gòu) 結(jié) 構(gòu) 圖 3 圖像融合 圖像融合是指通過不同渠道不同方法獲取的信息對于同一參照物或區(qū)域在不同時間點獲得的不同圖像經(jīng)過圖像先分解再融合，最后得到一幅圖像以供分析或應用的過程。 （ 2）高頻區(qū)域的融合規(guī)則 高頻部分包含圖像中更多的邊緣細節(jié)特征 ,本文采用區(qū)域能量的融合規(guī)則來進行處理 。 ???? 2550 logi ii PPH （ 331） 熵是反映反射影像信息載量，對圖像細節(jié)的表達，熵值越大圖像信息量越豐富。其中該算法的區(qū)域矩形窗口區(qū)域采用 3x3 大小 。分解層次均采用 3 層。如圖 4圖 4滁州學院本科畢業(yè)論文 10 圖 43所示， (a)，（ b）為 A方法和 B方法的圖像融合結(jié)果， (c)為本文方法的融合結(jié)果。對于第一組左聚焦、右聚焦圖像，同樣可以看出本文方法得到的融合圖像在主觀視覺效果上要好，在客觀評價指標上，從上表可知本文方法的融合評價指標信息熵、清晰度、峰值信噪比的數(shù)值也要比前兩種方法的數(shù)值要大，說明融合圖像更清晰地呈現(xiàn)了圖像的細節(jié)特征和紋理變化，與源圖像之間的差別較小，融合效果較佳。 雖然本文方法獲得了相比傳統(tǒng)方法更好的融合效果，但由于時間和條件的不足，還有很多方面需要改進。右聚焦 .jpg39。)。sym839。 [a23,h23,v23,d23]=dwt2(a22,39。 c=(abs(d13)=abs(d23))。 cv2=c.*v12+~c.*v22。 c=(abs(v11)=abs(v21))。 % figure imshow(I3)。39。)。sym839。 [a23,h23,v23,d23]=dwt2(a22,39。sym839。 ch1=fusebyvar(h11,h21)。 滁州學院本科畢業(yè)論文 17 title(39。)。 % 對 I1做小波分解 [a11,h11,v11,d11]=dwt2(I1,39。)。sym839。)。 cv1=fuseenergy(v11,v21)。本文方法 39。通過本次論文我學會了怎樣有條不紊的完成自己的工作。每次在我犯錯了，看到了你們的眼神我更是倍受鼓舞，然后我重拾信心繼續(xù)向前。論文開始時石老師對我的論文題目做了詳細講滁州學院本科畢業(yè)論文 19 解，且讓我找取了大量的相關(guān)資料，通過這些資料使我對論文的內(nèi)容有了深入的了解。 figure imshow(I3)。)。 ca2=idwt2(ca3,ch3,cv3,cd3,39。)。 [a13,h13,v13,d13]=dwt2(a12,39。per39。 I2=imread(39。 I3=uint8(I