【文章內(nèi)容簡介】 CACF ?? ?? (321) 式 31 中變量 jLCA 、 jLCB 分別代表待融合圖像 A、 B的各分解分量的系數(shù) ,? 表示圖像 A的系數(shù)所占的權(quán)重 ,CF表示最終融合圖像 F的對應(yīng)系數(shù)。 （ 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 。 (1) 計算原始圖像的區(qū)域能量 :將待融合圖像 A 和 B 經(jīng)小波分解，得到相對應(yīng)的低頻系數(shù)和高頻系數(shù)，對于高頻系數(shù)，一般采用基于矩形區(qū)域 33, 55 或 77 的方法來計算區(qū)域能量，本文采用33 的矩形區(qū)域，計算區(qū)域能量公式為 : ? ?2, ),(),( ? ?? ??? NjMiAkAk mjmiDjiE (322) ? ?2,B ),(),( ??? ??? NjMiBkk mjmiDjiE (323) 上式中 ),( jiEAk 、 ),(B jiEk 為待融合圖像 A、 B 以（ i， j）為中心的區(qū)域能量；),(A jiDk 、 ),(B jiDk 為高頻系數(shù)分量； k 為水平、垂直、對角三個方向； m 為矩形區(qū)域 的變量，可以 取 3, 5, 7； M、 N為融合圖像 A、 B分解得到的高頻系數(shù)的局部區(qū)域 。 (2)計算待融合圖像區(qū)域匹配度 :利用小波分解后的高頻系數(shù)來計算，計算公式為 : 滁州學(xué)院本科畢業(yè)論文 7 ),(),( )],(),([2),( BA jiEjiE mjmiDmjmiDjiM kkBkAkABk ?????? ?（ 324） (3)確定融合算子 :給定域值 θ，一般情況下取 0. 5— ，本文取 , 若 ? ),( jiM ABk ， 則 （ 3 25） 若 ?? ),( jiM ABk ， 則 （ 326） 其中 （ 327） （ 4）改 進融合規(guī)則：其中步驟（ 1）、（ 2）不變 ,對步驟 (3)做出以下改進。 若 ? ),( jiM ABk ； 則 （ 328） 若 ?? ),( jiM ABk ； 則 ? ?),(),(),( jiDjiDjiD BkAkk ??? （ 329） 圖像融合效果評價指標(biāo) 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。因此，本文采用客觀評價方法來分析實驗結(jié)果。常見的評價指標(biāo)主要有信息熵、清晰度、峰值信噪比等。 （ 1） 信息熵 H 圖 像 的 熵 值 是 用 來 表 示 圖 像 所 包 含 的 平 均 信 息 量 。 對 于 一 幅 圖 像 ， 設(shè)},.,{ 11,0 ?? Li ppppp ?? , i 為灰度值等于 i 的像素數(shù)與圖像總像素數(shù)之比。 ???? 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。 （ 2）清晰度（ Definition） 又稱平均梯度，反映了圖像微小細節(jié)反差變化的速率， 定義為： 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滁州學(xué)院本科畢業(yè)論文 8xI? 和 yI? 表示 x和 y 方向上 的差分，ｎ表示圖像的大小。 g 越大，說明最后獲得的圖像越清晰。 (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。 PSNR值決定融合 后圖像越接近原來的圖像， PNNS值越大 表明融合效果越好。 新算法描述 本文選用以小波變換為基礎(chǔ)高頻和低頻采用不同的融合規(guī)則對圖像進行融合，基于區(qū)域能量的小波融合法在高頻部分采用圖像的區(qū)域能量作為融合規(guī)則，用區(qū)域能量的匹配度作為融合域值，在低頻部取系數(shù)的加權(quán)平均的準(zhǔn)則。因此，這種方法采用區(qū)域特性來作為融合規(guī)則，加強了各區(qū)域像素之間的聯(lián)系，能獲得較好的融合效果。 該算法步驟為： (1)將待融合的原始圖像 A 圖像和 B 圖像進行 3 層小波分解，分別得到水平、垂直、對角的3個高頻系數(shù)和 1個低頻系數(shù)； （ 2)由步驟 (1)得到了高頻分量和低頻分量采用不同的融合規(guī)則，這里本文采用的是低頻分量采用 加權(quán)平均的融合規(guī)則 和高頻分量采用 區(qū)域能量的融合規(guī)則 ，進行相應(yīng)的融合后得到了融合后新的高頻分量和低頻分量； (3)將步驟 (2)中得到的高頻分量和低頻分量進行小波重構(gòu)得到融合后的圖像。其中該算法的區(qū)域矩形窗口區(qū)域采用 3x3 大小 。融合算子 e 取 。采用的小波基是 sym8 小波 。分解層數(shù)設(shè)為 3層。 （ 4）最后就是質(zhì)量評價，利用 節(jié)選定的評價 指標(biāo) 信息 熵、清晰度、峰值信噪比對步驟 3獲得的融合圖像進行評價，記錄實驗數(shù)據(jù) 。 4 應(yīng)用研究 研究方法 為了客觀地驗證本文算法的有效性，在 平臺上選用 2 種經(jīng)典的小波融合算法和本文算法進行融合對比實驗。其中經(jīng)典的小波變換方法分別為系數(shù)絕對值最大和系數(shù)局部方差最大（以下簡稱 A方法和 B 方法），均選用 db8 小波基和 45濾波器。本文方法 選用 9－ 7濾波器和 sym8 小波。分解層次均采用 3 層。 實驗環(huán)境如下，硬件環(huán)境：聯(lián)想 ThinkPad 筆記本， CPU 型號為英特爾 雙核 ,主頻 , 內(nèi)存，顯卡為英特爾 Ivy Bridge Graphics Controller（ 1 GB/聯(lián)想）； 軟件環(huán)境： Windows7 （ 32）位操作系統(tǒng)， Matlab 。 滁州學(xué)院本科畢業(yè)論文 9 為驗證改進算法的有效性，取兩種常用的算法和本文改進的算法進行了圖像融合比較，然后仿真比較融合結(jié)果是否有提高，同時比較利用傳統(tǒng)算法和改進的算法所得融合圖像 信息 熵、清晰度、峰值信噪比的大小。根據(jù)本文選用的圖像 融合評價指標(biāo)計算出結(jié)果，來說明該融合方法的性能優(yōu)劣。本文選用以下三組待融合圖像。其中，第一組圖像分別為左聚焦圖像和右聚焦圖像，此類圖像廣泛應(yīng)用于生活中，具有一定的現(xiàn)實意義；第二組圖像 左邊為 CT 圖像右邊為 MRI 圖像，兩張圖片是醫(yī)學(xué)圖片，它們包含不同的信息特征，融合成一張圖片不僅可以獲得更好的視覺效果，還可凸顯其特征方便醫(yī)生做出準(zhǔn)確判斷。具 有很高的醫(yī)學(xué)應(yīng)用價值；第三組圖像左圖為紅外光圖片，右圖為可見光圖片，兩種光譜得到的圖像反應(yīng)的信息是不同的，通過圖像融合得到一幅可視性更好的圖像，此類圖像融合可以應(yīng)用于軍事、民 用等多個領(lǐng)域。 左聚焦 右聚焦 第一組圖像 CT MRI